java.io.IOException: Stream closed异常

本文介绍了一个关于InputStream被多个线程共享导致的java.io.IOException: Stream closed异常问题,并提供了详细的异常堆栈跟踪信息及可能的解决方案。

 

找到的解决方案:

这个异常发生在从某一个input stream流读取信息的时候发生的。
这个异常是发生在这样一种场景之下:

多个线程索引同一个input stream,当某一个thread在执行完之后,把这个inputstream关闭了;而此时正在从这个input stream流中读取信息的线程就会抛出 java.io.IOException: Stream closed 异常。

 

参考自:http://blog.zdnet.com.cn/html/84/289384-1075439.html

### 优化Java中大规模数据导出到Excel的性能 在处理大规模数据导出到Excel时,Apache POI 是常用的工具库。然而,直接使用 `XSSFWorkbook` 导出大量数据可能会导致内存溢出(OOM)问题。为了解决这一问题,应使用 `SXSSFWorkbook`,它是 `XSSFWorkbook` 的一种内存优化版本,通过将部分数据写入磁盘来降低内存消耗[^1]。 ```java // 使用 SXSSFWorkbook 导出大数据量 SXSSFWorkbook workbook = new SXSSFWorkbook(100); // 保留100行在内存中 Sheet sheet = workbook.createSheet("Data"); int rowNum = 0; for (Data data : dataList) { Row row = sheet.createRow(rowNum++); // 填充数据 } ``` 这种方式可以有效避免内存溢出问题,适用于处理几十万甚至上百万条数据。 ### 解决 java.io.IOException: Stream closed 异常 在使用 `SXSSFWorkbook` 时,有时会遇到 `java.io.IOException: Stream closed` 异常,尤其是在关闭 `Workbook` 时。该异常通常发生在 `SheetDataWriter.close()` 方法中,原因是临时文件流被提前关闭[^2]。 为了解决该问题,可以在创建 `SXSSFWorkbook` 时启用临时文件压缩,减少磁盘 I/O 操作,并确保流的正确关闭顺序: ```java SXSSFWorkbook workbook = new SXSSFWorkbook(100); workbook.setCompressTempFiles(true); // 启用临时文件压缩 // 写入数据 try (FileOutputStream fos = new FileOutputStream("output.xlsx")) { workbook.write(fos); } catch (IOException e) { e.printStackTrace(); } finally { try { workbook.dispose(); // 清理临时文件 } catch (Exception e) { e.printStackTrace(); } } ``` 此外,确保在写入完成后调用 `workbook.dispose()` 方法,以释放临时文件资源,避免因流未正确关闭而导致异常。 ### 分页查询与数据裁剪 在导出数据前,应避免一次性从数据库中加载全部数据。应使用分页查询,分批次获取数据,减少内存压力。例如: ```sql -- 优化深分页查询 SELECT t.* FROM t_eeg_record_mock t, (SELECT id FROM t_eeg_record_mock LIMIT #{offset}, #{size}) t2 WHERE t.id = t2.id ORDER BY t.id ASC; ``` 这种方式可以减少数据库响应时间,提高查询效率。同时,在 Java 代码中应根据实际导出需求构建 VO 对象,仅加载必要字段,避免不必要的数据传输和内存占用[^3]。 ### 异步导出与文件拆分 对于超大数据量的导出,即使使用了 `SXSSFWorkbook`,仍可能导致请求超时。此时可以考虑异步导出,例如将导出任务提交到线程池,并通过邮件或消息通知用户导出完成。 另外,可将一个大文件拆分为多个小文件,分别导出后再进行打包。例如: ```java int batchSize = 50000; int totalSize = dataList.size(); for (int i = 0; i < totalSize; i += batchSize) { List<Data> subList = dataList.subList(i, Math.min(i + batchSize, totalSize)); // 导出子文件 } ``` 此方式适用于数据量极大且导出时间较长的场景,可有效避免内存溢出问题[^3]。 ### 性能调优与JVM参数优化 适当调整 JVM 参数,如增加堆内存、启用 G1 垃圾回收器,可以显著减少 Full GC 的频率,提升程序稳定性。例如: ``` java -Xms2g -Xmx8g -XX:+UseG1GC -jar your_app.jar ``` 这可以显著提升程序在处理大数据时的性能表现[^4]。 ---
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值