高效Excel导入关键在于分片合理、流式读取、批量落地三者协同：用EasyExcel流式解析控内存，按逻辑数据块分片并行处理，线程池匹配DB连接池，每片独立事务+批量插入+错误隔离。
Java用线程池高效处理大规模Excel导入，关键不在“多开线程”，而在于“分片合理 + 流式读取 + 批量落地”三者协同。盲目多线程反而容易引发CPU争抢、数据库连接池打满、甚至数据错乱。真正高效的方案，是让每个线程只负责一段连续、互不重叠的数据块，并确保解析和写入过程内存可控、事务隔离。
优先选流式读取，别加载全文件到内存
千万级Excel根本不能用XSSFWorkbook或常规SXSSFWorkbook——它们会把整张表结构、样式、公式全塞进堆内存，OOM几乎是必然结果。必须切换到事件驱动的流式解析：
- 推荐EasyExcel：封装了XSSF-SAX底层，自动处理共享字符串表、空单元格、日期格式等细节，只需实现
AnalysisEventListener，一行一行回调，内存稳定在10–50MB（与行数无关） - 若需更底层控制（如跳过隐藏sheet、禁用公式重算），可用Apache POI的
XSSFSheetXMLHandler配合XMLReader，但需手动维护行号计数和字符串缓存 - 无论哪种方式，打开文件时都用
OPCPackage.open(file, PackageAccess.READ)，并预判sheet有效性：!workbook.isSheetHidden(i) && sheet.getPhysicalNumberOfRows() > 0
分片不是按“行号切段”，而是按“逻辑数据块”划分
Excel本身不支持随机访问某一行，所谓“分片”本质是让多个线程各自读取同一份文件的不同区间——这需要解析器支持“从第N行开始、读M行”的能力。EasyExcel原生支持：
- 使用
read(..., new PageReadListener<YourData>() {...})配合setHeadRowNumber(1) - 提前获取总行数：
long total = reader.excelExecutor().sheet(0).getTotalRowNumber() - 设定每片大小（如5000行），计算分片数：
int shardCount = (int) Math.ceil(total * 1.0 / shardSize) - 每个线程传入起止行号：
new ExcelReaderBuilder(...).range(startRow, endRow)（注意：行号从1开始，且包含表头行）
线程池配置要匹配实际瓶颈，不是越多越好
数据库写入通常是最终瓶颈，线程数远超数据库连接池大小只会排队等待，徒增上下文切换开销：
立即学习“Java免费学习笔记（深入）”；
- 先确认数据库连接池最大连接数（如HikariCP的
maximumPoolSize），线程池核心线程数建议设为该值的0.8–1倍 - 使用
LinkedBlockingQueue作任务队列，容量不宜过大（如50），避免积压任务拖垮JVM - 拒绝策略推荐
CallerRunsPolicy：当队列满时，由提交任务的主线程直接执行，起到自然限流作用 - 每个子任务内部仍需批量插入（如每1000条调用一次
batchUpdate），避免单条SQL反复网络往返
异常与一致性必须有兜底机制
多线程下一旦某片失败，不能简单抛异常中断全部——要保证已成功片段不回滚，失败片段可重试或单独记录：
- 每个分片任务独立try-catch，捕获后记录错误行号、原始内容、异常信息到临时表或文件
- 用
CountDownLatch等待所有分片完成，再统一汇总错误结果返回前端 - 数据库层开启事务粒度控制：每个分片一个独立事务（Spring中用
@Transactional(propagation = Propagation.REQUIRES_NEW)），避免互相影响 - 导入前可先校验关键字段非空、格式合规，将硬错误拦截在解析阶段，减少无效入库尝试
