使用 hibernate 读取大量数据时出现 OutOfMemory

Question

我需要从数据库导出大量数据。这是代表我的数据的类：

public class Product{
...

    @OneToMany
    @JoinColumn(name = "product_id")
    @Cascade({SAVE_UPDATE, DELETE_ORPHAN})
    List<ProductHtmlSource> htmlSources = new ArrayList<ProductHtmlSource>();

...

ProductHtmlSource - 包含我实际需要导出的大字符串。

由于导出数据的大小大于 JVM 内存，因此我正在按块读取数据。像这样：

final int batchSize = 1000;      
for (int i = 0; i < 50; i++) {
  ScrollableResults iterator = getProductIterator(batchSize * i, batchSize * (i + 1));
  while (iterator.getScrollableResults().next()) {
     Product product = (Product) iterator.getScrollableResults().get(0); 
     List<String> htmls = product.getHtmlSources();
     <some processing>
  }

}

getProductIterator 的代码：

public ScrollableResults getProductIterator(int offset, int limit) {
        Session session = getSession(true);
        session.setCacheMode(CacheMode.IGNORE);
        ScrollableResults iterator = session
                .createCriteria(Product.class)
                .add(Restrictions.eq("status", Product.Status.DONE))
                .setFirstResult(offset)
                .setMaxResults(limit)
                .scroll(ScrollMode.FORWARD_ONLY);
        session.flush();
        session.clear();

        return iterator;
    }

问题是，尽管我在读取每个数据块后清除会话，Product 对象仍会累积在某处，并且出现 OutOfMemory 异常。问题不在于处理代码块，即使没有它我也会遇到内存错误。批处理的大小也不是问题，因为 1000 个对象可以轻松放入内存。

Profiler 显示对象在 org.hibernate.engine.StatefulPersistenceContext 类中累积。

堆栈跟踪：

Caused by: java.lang.OutOfMemoryError: Java heap space
    at java.lang.AbstractStringBuilder.expandCapacity(AbstractStringBuilder.java:99)
    at java.lang.AbstractStringBuilder.append(AbstractStringBuilder.java:518)
    at java.lang.StringBuffer.append(StringBuffer.java:307)
    at org.hibernate.type.TextType.get(TextType.java:41)
    at org.hibernate.type.NullableType.nullSafeGet(NullableType.java:163)
    at org.hibernate.type.NullableType.nullSafeGet(NullableType.java:154)
    at org.hibernate.type.AbstractType.hydrate(AbstractType.java:81)
    at org.hibernate.persister.entity.AbstractEntityPersister.hydrate(AbstractEntityPersister.java:2101)
    at org.hibernate.loader.Loader.loadFromResultSet(Loader.java:1380)
    at org.hibernate.loader.Loader.instanceNotYetLoaded(Loader.java:1308)
    at org.hibernate.loader.Loader.getRow(Loader.java:1206)
    at org.hibernate.loader.Loader.getRowFromResultSet(Loader.java:580)
    at org.hibernate.loader.Loader.doQuery(Loader.java:701)
    at org.hibernate.loader.Loader.doQueryAndInitializeNonLazyCollections(Loader.java:236)
    at org.hibernate.loader.Loader.loadCollection(Loader.java:1994)
    at org.hibernate.loader.collection.CollectionLoader.initialize(CollectionLoader.java:36)
    at org.hibernate.persister.collection.AbstractCollectionPersister.initialize(AbstractCollectionPersister.java:565)
    at org.hibernate.event.def.DefaultInitializeCollectionEventListener.onInitializeCollection(DefaultInitializeCollectionEventListener.java:63)
    at org.hibernate.impl.SessionImpl.initializeCollection(SessionImpl.java:1716)
    at org.hibernate.collection.AbstractPersistentCollection.initialize(AbstractPersistentCollection.java:344)
    at org.hibernate.collection.AbstractPersistentCollection.read(AbstractPersistentCollection.java:86)
    at org.hibernate.collection.AbstractPersistentCollection.readSize(AbstractPersistentCollection.java:109)
    at org.hibernate.collection.PersistentBag.size(PersistentBag.java:225)
    **at com.rivalwatch.plum.model.Product.getHtmlSource(Product.java:76)
    at com.rivalwatch.plum.model.Product.getHtmlSourceText(Product.java:80)
    at com.rivalwatch.plum.readers.AbstractDataReader.getData(AbstractDataReader.java:64)**

Answer 1

看起来您正在使用起始行号和结束行号调用 getProductIterator() ，而 getProductIterator() 则需要起始行和行计数。随着“上限”变高，您正在读取更大块的数据。我认为您的意思是将batchSize 作为第二个参数传递给getProductIterator()。

Answer 2

不是直接答案，但对于这种数据操作，我会使用 StatelessSession 接口。

Answer 3

KeithL 是对的——你正在超越一个不断增加的限制。但这样拆散无论如何也没有意义。滚动游标的全部要点是一次处理一行，因此无需将其分成块。获取大小减少了数据库访问次数，但代价是占用更多内存。一般模式应该是：

Query q = session.createCriteria(... no offset or limit ...);
q.setCacheMode(CacheMode.IGNORE); // prevent query or second level caching
q.setFetchSize(1000);  // experiment with this to optimize performance vs. memory
ScrollableResults iterator = query.scroll(ScrollMode.FORWARD_ONLY);
while (iterator.next()) {
  Product p = (Product)iterator.get();
  ...
  session.evict(p);  // required to keep objects from accumulating in the session
}

也就是说，错误是 getHtmlSources，因此问题可能与会话/光标/滚动问题完全无关。如果这些 html 字符串很大并且它们一直被引用，那么您可能会耗尽连续内存。

顺便说一句，我在 ScrollableResults 上没有看到 getScrollableResults 方法。

Answer 4

冒着显得愚蠢的风险——你有没有考虑过用另一种方式来做这件事？

就我个人而言，我会避免进行距离数据库“很远”的批处理。我不知道您正在使用什么数据库，但通常有一种机制可以有效地从数据库中提取数据集并提取数据。到一个文件中，即使它在退出时涉及相当简单的操作。存储过程，特定的导出实用程序。调查您的数据库供应商还提供哪些产品。

Answer 5

您可以发布异常堆栈跟踪吗？
可以通过为 GC 传递合适的 JVM 选项来解决这个问题。

我认为这是相关的 - Java StringBuilder 巨大的开销。

从 StackTrace 可以看出，正在创建一个非常大的字符串并导致异常。