Java ，大量对象内存中计算， oom 怎么处理哇。

[frank1256]

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

我傻逼了，写错了是 100w ，不是 100 条。漏了个 w ，人傻了

[soulzz]

加机器 swap 慢就慢
不会崩

[frank1256]

@soulzz 加机器？我要读到内存里计算哇？加机器有什么用

[cabing]

@frank1256 为啥要把所有的数据都加载到内存中计算？

300w 行。。

找个基于磁盘的 nosql ？

[heyjei]

用存储过程把计算推到数据库实现，不要用 Java 计算。

[jetyang]

分批计算当然靠谱

[RedBeanIce]

关键词，代码中的大事务问题

[CEBBCAT]

@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

[hidemyself]

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

[miao1007]

写一个 flink 的 jar,单独部署

[janus77]

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

[sagaxu]

100 条跟 300w 也不搭啊

[DonaldY]

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。

[frank1256]

@cabing 单纯的统计业务

[frank1256]

@CEBBCAT 目前就是直接读了数据库，然后一口气查了 100 多万条，然后做计算。要是有几个线程一起查，就 oom 了

[frank1256]

@hidemyself 这个我没试过，我来看看

[frank1256]

@sagaxu sor ，漏了个 w ，人傻了

[liprais]

写个 sql 算完事

[misaka19000]

信息太少了，不好判断

拆分计算是个办法

[CEBBCAT]

@frank1256 一百万就是 1M ，8G/1M=8k 。可以跟我分享一下你是怎么计算负载的吗？

[Junzhou]

100w 条数据之间有强关联性吗？ 如果不是，就分批吧。

[leaves615]

文件缓存、流计算

[leaves615]

只读取用于计算的字段。

[matrix67]

这是挟泰山以超北海么😥

[frank1256]

@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。

[frank1256]

@leaves615 这个想到了，在优化

[night98]

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。

[Brian1900]

LIMIT 分批就行了吧，想要一次性读就得加机器呗

[msg7086]

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。

[lsk569937453]

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

[mingl0280]

为啥要一次读 100 万再计算？这是什么神奇的操作？

[mingl0280]

@frank1256 据我所知常见的统计学指标没有任何一个需要加载 100 万数据才能计算的

[xuanbg]

为啥不写 sql 去统计？

[gam2046]

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。

[sagaxu]

top10 ，平均值是不需要一次全部读入内存的，可以流式处理

[liangkang1436]

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

[summerLast]

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

[X0ray]

可以参考下 aggregate function 的思路

[limbo0]

典型的 mapreduce

[wqhui]

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

[frank1256]

@liangkang1436
@sagaxu
@summerLast
@X0ray
@wqhui
感谢回答，有一些思路了

[clf]

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。

[leonme]

@heyjei #4 这是认真的吗？如果是 OLTP 呢？

[liuxingdeyu]

我觉得分批查靠谱，再就是活用 mapreduce

[cheng6563]

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。

[ragnaroks]

@cheng6563 一般默认这种基础都会，而且楼主说了给了 7G

@frank1256 如果时效性不高就猛拉 swap ，不过都用 java 了还抠硬件资源你们老板也是过分

[kingfalse]

自己花钱,再加 8 个 G /狗头

[feitxue]

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.

[vacuitym]

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

[fuchaofather]

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？

[timsims]

xxx 量级数据找 top10 这种不就是经典的面试题。。

[CaptainD]

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

[sampeng]

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。

[9c04C5dO01Sw5DNL]

可以考虑下预计算（当然，复杂的话不一定可以

[FYFX]

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。

[Brentwans]

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。

[312ybj]

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！！！！！

[zhangleshiye]

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