ArrayList本身不会直接导致内存溢出，但一次性加载超大数据集（如百万级记录、GB级数组）极易触发OutOfMemoryError；分批处理通过控制单批数据量（100–500条）、及时清空引用、配合数据库分页与流式读取，切断内存失控链。
ArrayList 本身不会直接导致内存溢出，但当它被用来一次性加载、缓存或传输**超大数据集**（比如几十万条数据库记录、GB级字节数组）时，极易触发 java.lang.OutOfMemoryError: Java heap space。分批处理不是“绕过”问题，而是从数据规模和生命周期两个维度切断内存失控链——核心在于：不让单个 ArrayList 持有全部数据，也不让大批量对象长期驻留堆中。
为什么 ArrayList 容易引发 OOM？
常见高危场景包括：
- 从数据库
SELECT *读取百万级记录，全塞进一个new ArrayList() - 循环中不断
list.add(new byte[1024 * 1024])创建大数组 - 静态集合（如
static List<data> cache</data>）持续累积未清理的对象 - 流式处理误用
collect(Collectors.toList())把整个结果集拉入内存
分批处理的关键设计原则
分批不是简单切数组，而是配合生命周期管理：
- 批次大小要可控：通常 100–500 条/批较稳妥（取决于单条数据大小）。避免设为 10000+，否则单批仍可能 OOM
-
每批处理完立即丢弃引用：用完即清空局部
List<t></t>，不保留、不缓存、不跨批复用 -
避免嵌套大集合：不要用
List<list>></list>存所有批次，而应逐批生成、处理、释放 -
配合数据库游标或分页查询：后端不查全量，改用
LIMIT offset, size或 MyBatis 的fetchSize流式读取
典型安全分批写法（无多线程）
以处理数据库查询结果为例：
立即学习“Java免费学习笔记（深入）”；
✅ 正确（内存友好）：int pageSize = 300;
int offset = 0;
do {
List<Data> batch = dataMapper.selectByPage(offset, pageSize); // 数据库分页查
if (batch.isEmpty()) break;
<pre class="brush:php;toolbar:false;">processBatch(batch); // 处理当前批（插入/转换/发送等）
batch.clear(); // 显式清空引用（虽局部变量会自动回收，但明确更安全）
batch = null; // 辅助 GC，尤其在长循环中
offset += pageSize;} while (true);
⚠️ 注意：processBatch() 内部也需避免新建大集合；若需暂存中间结果，同样按小批次操作。
结合批量操作与资源释放
例如 JDBC 批量插入：
- 用
PreparedStatement.addBatch()累积 300 条后调用executeBatch()，再clearBatch() - 每次执行后主动
System.gc()不推荐，但可调用connection.commit()释放事务锁和连接缓冲区 - 确保
ResultSet使用setFetchSize(100)启用流式读取，防止驱动缓存全量结果
分批处理不能替代内存泄漏排查，但它是最直接、最易落地的 OOM 防御手段——把“一口吃成胖子”变成“小口嚼碎咽下”，让 GC 始终有空间回收旧对象。
