PHP如何实现百万级数据导出

PHP如何实现百万级数据导出

公司目前有一个需求,需要对一个日增量在20万+数据量的数据表中的数据进行可自定义条件筛选的导出数据,该功能需要对多个部门进行开发使用,要保证功能可用的前提下,尽量优化体验。

首先介绍一下当前可利用的资源:

1、MySql – 一主库双从库。

2、分布式服务器集群,选择其中一台中型机作为脚本执行载体。

3、文件系统 – 可以支持上传大数据量文件。

4、编程语言PHP,说实话PHP不太适合来干这个事情。

 

技术难点:

1、数据太大,对服务器配置要求较高,导出过程中涉及数据的处理(例如各种ID转换名称等操作,我们这次需求这种太多了~~非常的坑)对内存消耗很大,其次涉及到文件压缩,因此对CPU要求较高。

2、因为是跨系统部署,如果走接口,数据量随随便便上百M,传输速度太慢(项目是对外网开放的,然后数据只允许内网访问),那么该如何解决?

3、数据安全性较高,需要对所有导出进行记录,那么如何保证数据安全?

 

| 技术方案

第一步:设计数据库,对所有导出任务进行实时记录,也可以采用redis,为了方便数据的持久化,我最终采用了mysql数据库的方案。表结构具体包括:ID、用户ID、用户名、发起请求时间、导出具体的参数(包括各个维度的参数选择等,具体根据自身业务而定),任务是否正在处理标识(防止任务多次被处理),导出是否成功标识(可以与前一个用一个字段区分),删除标识等(假删除,便于记录用户实际操作日志)。

第二步:前台界面编写,具体包括参数选择、导出记录列表等,作用:触发导出任务创建,记录于导出表中,状态:待处理。

第三步:编写导出脚本对任务进行监控并处理,如果有导出任务自动对其执行导出操作。

这里有一个小问题:为什么不在前台触发任务的时候直接执行导出,而是有单独的脚本来执行导出呢?这就是现实业务导致的,因为我们对外开放的机器中有一些是配置很低的,为了保证导出的成功率,我们需要一台配置较高的机器来独立执行导出任务。

| 导出流程

具体流程参考下图,自己画的凑合看吧~~~哈哈哈

PHP如何实现百万级数据导出

 

代码实现

这里主要着重介绍一下导出脚本的代码,其他步骤的代码根据自己的业务自行编写就可以了。

注意:因为数据量过大~一次性导出可想而知是不合理的,所以我使用了分页导出的形式~

首先查询数据总条数、然后通过每页导出的条数来计算具体导出的页数~

        # 获取数据总条数
        $dataCount = Data_ExportModel::getExportZipTotalCount($params);
        $dataCount = $dataCount[0]['count_num'];
 
        # csv
        # 输出Excel文件头,可把user.csv换成你要的文件名
        $mark = '/tmp/export';
 
        $stepLen = 20000;//每次只从数据库取100000条以防变量缓存太大
        # 每隔$limit行,刷新一下输出buffer,不要太大,也不要太小
        $limit = 20000;
        $maxFileCount = 1000000;
        # buffer计数器
        $cnt = 0;
        $head = self::initColumnDataV2(); // 表头部分根据自身业务自行调整
        $fileNameArr = array();
        $salesStatisticsData = array();
        $startLimitId = 0;

首次导出的每页条数我定的10万条,后来发现对内存消耗过大,改成了两万条,这样的导出速度会慢一点,建议五万条比较适中一点。

        for ($j = 0; $j < ceil($dataCount / $maxFileCount); $j++) {
            $startSelect = ceil($maxFileCount / $stepLen)*$j;
            $fileCsvName = $mark . '_'.$j*$maxFileCount.'_' . ($j+1)*$maxFileCount . '.csv';
            $fp = fopen($fileCsvName, 'w'); //生成临时文件
            $fileNameArr[] = $fileCsvName;
            # 将数据通过fputcsv写到文件句柄
            fputcsv($fp, $head);
 
            for ($i = 0; $i < 50; $i++) { // 单个文件支持100万数据条数
                $startNum = $j*$maxFileCount + $i*$limit;
                if ($startNum > $dataCount) {
                    break;  // 跳出循环
                }
                # 查询数据
                $dataSource = Data_ExportModel::getExportZipTotalInfo($params, $startNum, $stepLen, $startLimitId);
 
                $endMicroTime = microtime(true);
                printf("\n[%s -> %s] Begin Time : %s, End Time : %s, Total Count : %s, CostTime: %s.\n",
             __CLASS__, __FUNCTION__, $params['begin_date'], $params['end_date'], count($dataSource), ($endMicroTime - $startMicroTime)); if (empty($dataSource)) { continue; } $endMicroTime = microtime(true); foreach ($dataSource as $_key => $_data) { $cnt++; if ($limit == $cnt) { # 刷新一下输出buffer,防止由于数据过多造成问题 ob_flush(); flush(); $cnt = 0; } # 数据处理部分,根据自身业务自行定义,注意中文转码 $salesStatisticsData['name'] = iconv('utf-8', 'GB18030', $salesStatisticsData['c_name']); fputcsv($fp, $salesStatisticsData); } } fclose($fp); # 每生成一个文件关闭 } # 进行多文件压缩 $zip = new ZipArchive(); $number = rand(1000,9999); $filename = $mark."_".$params['begin_date']."_".$params['end_date'] ."_".$number. ".zip"; $zip->open($filename, ZipArchive::CREATE); //打开压缩包 foreach ($fileNameArr as $file) { $zip->addFile($file, basename($file)); //向压缩包中添加文件 } $zip->close(); //关闭压缩包 if (!file_exists($filename)) { // 首次执行检查生成的压缩文件是否存在失败,进行二次尝试。。。 $endMicroTime = microtime(true); # 进行二次多文件压缩 $number = rand(1000,9999); $filename = $mark."_".$params['begin_date']."_".$params['end_date'] ."_".$number. ".zip"; if (file_exists($filename)) { unlink($filename); } $zip->open($filename, ZipArchive::CREATE); //打开压缩包 foreach ($fileNameArr as $file) { $zip->addFile($file, basename($file)); //向压缩包中添加文件 } $zip->close(); //关闭压缩包 } if (file_exists($filename)) { $content = file_get_contents($filename); // 解决读取文件偶尔出现失败的问题,第一读出为空则尝试第二次读取 $forNum = 0; while (!$content) { $forNum++; @$content = file_get_contents($filename); if ($forNum > 10) { break; // 防止出现异常情况导致死循环,最多重试10次 } } } else { $endMicroTime = microtime(true); # 删除临时文件,防止占用空间 foreach ($fileNameArr as $file) { if (is_file($file)) { unlink($file); } } // 记录错误日志并且报警 return false; } # 删除临时文件,防止占用空间 foreach ($fileNameArr as $file) { if (is_file($file)) { unlink($file); } }

最后将生成好的文件存入文件系统,上传成功之后反转导出状态,前台检测到导出成功自动进行下载即可

https://blog.csdn.net/bk_guo/article/details/81947010

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/112689.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • 开发工具:Mybatis.Plus.插件三种方式的逆向工程

    开发工具:Mybatis.Plus.插件三种方式的逆向工程

    2020年11月20日
    221
  • c语言如何遍历数组,C语言数组遍历

    c语言如何遍历数组,C语言数组遍历C语言数组遍历教程C语言for循环遍历数组详解语法for(i=0;i<count;i++){//arr[i]}说明其中count是数组的元素的个数,此时,数组的每一个元素是arr[i]。C语言while循环遍历数组详解语法inti=0;while(i<count){//arr[i]i++;}说明其中count是数组的元素的个数,此时,数组的每一个元…

    2022年7月22日
    10
  • pycharm安装第三方库失败_pycharm怎么安装python库

    pycharm安装第三方库失败_pycharm怎么安装python库pycharm安装第三方库首先启动pycharm随后通过快捷键进入setting界面,快捷键为ctrl+Als+S点击右上角的加号,添加第三方库在安装之前,首先点击ManageRepositories增加一些国内的镜像源,包括豆瓣http://pypi.douban.com/simple/阿里的,http://mirrors.aliyun.com/pypi/simple/https://pypi…

    2022年8月28日
    6
  • Edge breaker记录

    Edge breaker记录和代码相关性非常强的是这篇文章,几乎就是伪代码了:http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.58.7918&rep=rep1&type=pdf一、Compression阶段命令参数为umbrellla_times4.offB第一个参数就是输入网格,目前支持OFF和OVTable两种文件格式,这里…

    2022年6月1日
    38
  • C语言背包问题的算法(附完整源码)

    C语言背包问题的算法(附完整源码)C语言背包问题的算法背包问题引出C语言背包问题的算法完整源码(定义,实现,main函数测试)背包问题引出想象你是一个小偷,你想从房间里偷东西。您有一个可以处理最大重量W的背包,并且您想把它装满它的价值是最大的。作为一个聪明的小偷,您知道房间里每个物品的重量和价值。您将如何填充背包,从而使容量为W的背包得到最大可能的值。C语言背包问题的算法完整源码(定义,实现,main函数测试)#include<iostream>#include<vector>intmax

    2022年7月14日
    25
  • java.lang包中不能被继承的类

    java.lang包中不能被继承的类public final class Bytepublic final class Characterpublic static final class Character.UnicodeBlockpublic final class Class&lt;T&gt;public final class Compiler //编译器public final class Doublepub…

    2022年6月13日
    26

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号