rt ，
遇到个问题，需要查询 100 条记录查到内存中，然后进行计算。我内存很小，总是 oom 。就是单纯的内存不够。有啥好办法吗？
mat 工具打开 dump ，里面全是 mysql 的 jdbc 对象。。。
最高峰 300w 条，也没啥精力再去弄大数据啥的了。老板只给了 8g 。
小弟能想到的就是，分批查询，一批一批计算。靠谱吗？
有什么好办法吗，大佬们
This topic created in 1689 days ago, the information mentioned may be changed or developed.
Supplement 1 · Mar 20, 2022
我傻逼了，写错了是 100w ，不是 100 条。漏了个 w ，人傻了
 |
soulzzMar 20, 2022
1
加机器 swap 慢就慢
不会崩 |
 |
heyjeiMar 20, 2022
4
用存储过程把计算推到数据库实现，不要用 Java 计算。
|
 |
jetyangMar 20, 2022
5
分批计算当然靠谱
|
 |
RedBeanIceMar 20, 2022
6
关键词，代码中的大事务问题
|
 |
CEBBCATMar 20, 2022
7
@frank1256 他少说了个“的”字，“加机器的 swap”
另外，8G 也不算小了吧，我觉得甚至还挺大，一次一百条，平均下来一条数据能拥有 80M 内存。我想问问你，你说的内存里全是 JDBC 是什么意思？我离开 Java 好久了，JDBC 不是连接数据库的吗？你没用连接池吗？或者没有对连接池做单例吗？ 你可以讲讲你处理数据的方式吗？我怀疑是不是你程序写得有问题 |
 |
8
ResultSet.TYPE_FORWARD_ONLY
ResultSet.CONCUR_READ_ONLY 流式查询 /游标查询 不知道满不满足你的要求 |
1 |
miao1007Mar 20, 2022
9
写一个 flink 的 jar,单独部署
|
 |
rb6221Mar 20, 2022
10
分批就分批呗，慢点来就行了，老板问你就说我电脑太差了没办法
|
 |
sagaxuMar 20, 2022
11
100 条跟 300w 也不搭啊
|
 |
DonaldYMar 20, 2022
12
1.先计算一次加载容量，100 条 大对象，大概多大。
2.看 GC 算法，一般调大 老年代的容量，计算出 GC （ STW ）的时间 3. 任务进队列，每次执行 x 个任务。 |
 |
15
@hidemyself 这个我没试过，我来看看
|
 |
F281M6Dh8DXpD1g2Mar 20, 2022 via iPhone
17
写个 sql 算完事
|
 |
misaka19000Mar 20, 2022
18
信息太少了，不好判断
拆分计算是个办法 |
 |
JunzhouMar 20, 2022
20
100w 条数据之间有强关联性吗？ 如果不是，就分批吧。
|
 |
leaves615Mar 20, 2022
21
文件缓存、流计算
|
|
leaves615Mar 20, 2022
22
只读取用于计算的字段。
|
 |
matrix67Mar 20, 2022
23
这是挟泰山以超北海么😥
|
|
24
@CEBBCAT 大佬我不太明白你说的负载是啥。就是现在的情况是，物理机 8g ，我给的堆内存 7g ，我有个需求，统计单表 30 天的记录的维度指标。比如 30 天内的，top10 ，平均值之类的。需求的某些字段还会在其他的表或者缓存里。有些还要计算公式，用 sql 太麻烦了。就打算读到内存里去计算。但是数量特别大的时候就会内存不够。实际情况里，程序还有其他地方用到缓存，或者还有其他的 query ，也就是说我这个统计能用的缓存很少。
|
 |
night98Mar 20, 2022
26
10 个线程每个线程查 100 条，然后更新原子变量，完事。一次性加载一百万条，只能加钱。
|
 |
Brian1900Mar 21, 2022
27
LIMIT 分批就行了吧，想要一次性读就得加机器呗
|
 |
msg7086Mar 21, 2022
28
如果对性能要求高，就加内存。内存才多少钱，一台 384G 内存的服务器也就几百刀就能买到。
如果要省钱，那就先分批读出来写入单独的数据库中（相当于做数据快照），然后再慢慢分批处理算结果。 |
 |
lsk569937453Mar 21, 2022
29
这种百万级别数据的统计直接大数据计算平台(hardoop/spark)搞起啊
|
 |
30
为啥要一次读 100 万再计算？这是什么神奇的操作？
|
 |
xuanbgMar 21, 2022
32
为啥不写 sql 去统计？
|
 |
ntdllMar 21, 2022
33
一次业务操作需要读取百万条记录显然是不合理的。尝试业务流程上的优化。如果只是一些统计汇总的任务，完全没必要把所有记录加载到内存后处理。流式的处理并不需要什么内存空间。甚至还不如直接在数据库中汇总后再返回。
|
|
sagaxuMar 21, 2022 via Android
34
top10 ，平均值是不需要一次全部读入内存的，可以流式处理
|
 |
liangkang1436Mar 21, 2022 via Android
35
楼主之所以提出这样的问题很有可能就只是一个单独的需求，为了谁一个需求去部署一个大数据框架很不经济，所以常规的做法应该就是每天定时统计，最后前台展示的时候从每天定时统计的表里面去取数据
|
 |
summerLastMar 21, 2022
36
32 楼给了思路，还有另一种方式 就是 能否 100w 分批查 与分批计算，否的话就让对象尽量的小 而非有过多冗余信息
|
 |
X0rayMar 21, 2022
37
可以参考下 aggregate function 的思路
|
 |
limbo0Mar 21, 2022
38
典型的 mapreduce
|
 |
wqhuiMar 21, 2022
39
楼上的流式计算 OR 分批汇总计算正解，或者尝试减少单条记录的大小
|
|
40
|
 |
clfMar 21, 2022
41
利用磁盘去做缓存。
POI 在操作大数据导出 excel 的时候就是类似的处理方式，一次性只处理 N 行，其余的数据行会在磁盘里利用文件缓存。 |
 |
liuxingdeyuMar 21, 2022
43
我觉得分批查靠谱，再就是活用 mapreduce
|
 |
44
楼上这么多人就没个说增加 jvm 内存容量限制的吗？
jvm 默认给的堆内存大小为物理内存的 1/4 ，所以啥不管直接加物理内存的收益也只有 1/4 启动命令用 -Xmx6g 参数可以分配 6g 内存给堆。 堆内存一般占 jvm 进程内存的大多数但不是 100%，所以最好再开些 swap 避免占满内存。 |
 |
ragnaroksMar 21, 2022
45
|
 |
kingfalseMar 21, 2022
46
自己花钱,再加 8 个 G /狗头
|
 |
feitxueMar 21, 2022
47
也给几个方向,不一定靠谱.要根据你的实际需求来.
第一种,就是你有提到一个月才跑一次的任务的话,那就每天跑一次,生成你要的日数据,月底的时候汇总这一个月每天的数据.或者安排的没人用系统的时候,凌晨,和其他任务错开执行. 第二种,还是你之前代码,不动,月底的时候申请按量计费的机器,跑完就销毁.不确定你们允不允许这样玩儿,不过这种方式可能对 java 不太友好.或者用云函数,现在有支持 java 的,只是改造成本确实有点大. 其他的 sql 优化的楼上都提到了,我就没啥补充了. |
 |
vacuitymMar 21, 2022
48
我觉得这个应该定期汇总。数据不多的话每天做日统计，多的话做几小时的统计。然后做月统计。最后只要根据统计的数据再做计算就可以了，我们一般这样做
|
 |
fuchaofatherMar 21, 2022 via Android
49
信息太少了。第一感觉没有必要查 100w 条数据到内存，都是真正需要的吗？
|
 |
timsimsMar 21, 2022
50
xxx 量级数据找 top10 这种不就是经典的面试题。。
|
 |
CaptainDMar 21, 2022
51
必须要所有数据同时在内存么，如果不需要是否可以分批计算
|
 |
sampengMar 21, 2022
52
300w 条记录求平均值，top10.。不都是标准面试算法么。。面试会，实现需求就不会了？
300w 就要上 hadoop 了？ 300w 就要大数据了？ 300w 哪怕上个 es 也比大数据强啊。。当然，这个量级都不需要。直接硬算酒可以了 1 。分而治之当然靠谱，把数据写入 n 个小文件，再对小文件统计，最后汇总。这一个做法缺点是对数据库压力这个时候会相对较大，如果你的服务器和数据库之间的带宽就 1000M 。会瞬间打满，所以可能会影响业务。 2.limit 控制条目数，开线程内存里去算了然后汇总。坏处是代码写起来复杂，维护相对较麻烦。过了半年可能看不懂自己写的代码。好处就是你可以控制间隔时间，想快就快想慢就慢。 还一个方式。不要侵占你的业务代码，分析是分析，业务时业务。这是完全两个不同的领域。所以： 写个 python 脚本把数据弄出来。。numpy+pandas 。这个数据量，算起来是慢点，但也没有接受不了的程度。 |
 |
9c04C5dO01Sw5DNLMar 21, 2022
53
可以考虑下预计算（当然，复杂的话不一定可以
|
 |
FYFXMar 21, 2022
54
统计 30 天记录的维度指标，你这个看着像离线场景啊，用 spark 跑完之后把结果同步到 mysql 或者缓存吧。
|
 |
BrentwansMar 21, 2022
55
100w 数据就把 8G 搞 oom 了，看下数据自身情况吧，是字符串很多，还是数值都是存成对象了。百万级别的数据不算多，8G 还是可以放下的。
如果想省事，直接 spark 单机跑吧，肯定没问题吧。 |
 |
312ybjMar 22, 2022
56
1. 分批+多线程处理
这个速度绝对比单线程快，而且资源稳定。 2. 交给大数据 这玩意就是大数据该做的事，Java 不适合大批量数据处理！！！！！ |
 |
zhangleshiyeMar 22, 2022
57
如果想在代码里处理的话 ，可以弄张同步中间表,
100w 数据 好比是未经过处理的数据 ->转到中间表(根据各种数据维度 比如时间 一个月处理一个月处理 把这些增量放到中间表里) ,就加一张配置表 比如记录到更新到某某某月了, ->结果就 sum 一下就好了 |
Select Language