EasyExcel读大数据Excel必须用监听器，因其采用SAX式流式解析，内存稳定在几MB；不用则全量加载致OOM。监听器需继承AnalysisEventListener，重写invoke()和doAfterAllAnalysed()，分批刷盘防OOM，并注意字段映射、事务及性能瓶颈。
EasyExcel读大数据Excel为什么必须用监听器
因为不走监听器模式，EasyExcel会把整张表全加载进内存——10万行、每行50列的Excel，轻松吃掉500MB堆内存，接着就是OutOfMemoryError: Java heap space。监听器本质是SAX式流式解析，边读边处理，内存占用稳定在几MB级别。
常见错误现象：read()直接传List.class或用readSync()；结果小文件能跑通，一上生产就OOM。
- 监听器必须继承
AnalysisEventListener，不能只实现接口（缺泛型推导和生命周期钩子） - 重写
invoke()处理单行数据，doAfterAllAnalysed()收尾（比如批量插入数据库） -
invoke()里别缓存所有data到成员变量——这是新手最常踩的坑，等于又回到全量加载
监听器里怎么安全做数据库批量插入
单行insert太慢，但全攒到doAfterAllAnalysed()又可能OOM。折中方案是“分批刷盘”：每积满1000行执行一次JdbcTemplate.batchUpdate()或MyBatis的SqlSessionExecutor。
使用场景：导入用户主数据、订单明细等需落库的业务。
立即学习“Java免费学习笔记（深入）”；
- 在监听器里声明
private List<User> cachedData = new ArrayList<>(1000)，容量预设避免频繁扩容 -
invoke()里add后判断cachedData.size() == 1000，触发batchInsert(cachedData)并cachedData.clear() -
doAfterAllAnalysed()里补上剩余不足1000条的数据——漏这步会导致最后几百行丢数据 - 注意事务：Spring默认传播行为下，
doAfterAllAnalysed()不在事务内，得用@Transactional包一层方法或手动管理
读取时字段映射失败的三个高频原因
EasyExcel靠注解或头匹配找字段，一旦错位、空格、类型不兼容，invoke()里拿到的就是null或转换异常，但日志未必报错——数据静默丢失。
常见错误现象：String字段读成null；Date字段抛DateTimeParseException；数字列被当科学计数法字符串（如"1.23456789E8"）
- 检查Excel头行是否含不可见字符（用
head.get(0).trim().length()验证），建议用@ExcelProperty(index = 0)硬绑定列序而非名称 -
Date字段加@DateTimeFormat("yyyy-MM-dd")，且Excel单元格格式必须是日期类型（不是文本） - 数字列若可能超int范围，实体类字段用
Long或BigDecimal，避免自动转Double再截断 - 监听器构造时传
new AnalysisEventListener<User>(){...}要显式指定泛型，否则反射取不到User字段元信息
性能卡在IO还是解析？用JFR快速定位
读100MB Excel耗时2分钟，不一定是EasyExcel慢——可能是磁盘IO瓶颈（尤其网络盘）、或Excel本身有隐藏公式/样式拖慢解析。
性能影响点：EasyExcel.read()底层用Apache POI的SXSSF，但POI对xlsx的共享字符串表（SharedStringsTable）解析较重；复杂样式越多，CPU消耗越明显。
- 用JDK自带
jfr start --duration=60s --filename=recording.jfr录下读取过程，打开Java Mission Control看热点方法：如果org.apache.poi.xssf.model.SharedStringsTable占比高，说明文件结构问题 - 临时提速：读取前用
WorkbookFactory.create(new File(path), null, true)跳过样式（EasyExcel不直接暴露该开关，需自定义ExcelReaderBuilder注入WorkbookFactory） - 真正大数据场景（千万行+），别死磕Excel——推动上游改用CSV或数据库直连，Excel只是临时交互格式
监听器看着简单，但invoke()里的每一行处理逻辑，都得按高并发、低延迟的代码标准来写。没人会告诉你，一个System.out.println()在百万行循环里能让耗时翻倍。
