根本原因是mysqldump默认启用mysql_store_result模式，将整表结果一次性加载至内存，1000万行×2KB/行≈20GB，远超客户端内存容量；必须加--quick启用mysql_use_result流式读取，边查边写，内存恒定几MB，并配合--single-transaction避免锁表。
mysqldump导出大表时为什么客户端会OOM
根本不是MySQL服务端崩了，是mysqldump进程自己把整张表结果全读进内存才挂的。默认启用mysql_store_result模式：查完所有行，再拼SQL写文件。1000万行 × 平均2KB/行 ≈ 20GB原始数据，还不算字符串对象头、Python字典开销、临时缓冲区——mysqldump进程直接被Linux OOM Killer干掉。
必须加--quick：强制切换为mysql_use_result流式读取，边查边写，内存恒定在几MB；顺手加--single-transaction（InnoDB）避免锁表；禁用--lock-tables——它既锁表又缓存全部数据，双重加压。
-
--skip-extended-insert仅用于调试，正式导出要关掉，否则单条INSERT可能超max_allowed_packet -
--extended-insert必须开：生成多值INSERT，减少SQL解析次数，提速最直接 -
--skip-triggers和--skip-routines若目标库不需要，就跳过，减小文件体积和导出时间
Java应用执行SELECT大结果集时JVM堆爆了怎么办
JDBC默认行为是把整个ResultSet加载进JVM堆，不等你调rs.next()就已分配完内存。这不是驱动bug，是设计如此——它假设你马上要遍历全部结果。
正确做法是显式启用流式查询：
- 用
PreparedStatement创建时指定游标类型：conn.prepareStatement(sql, ResultSet.TYPE_FORWARD_ONLY, ResultSet.CONCUR_READ_ONLY) - 再调
setFetchSize(Integer.MIN_VALUE)（即-2147483648），通知MySQL驱动启用流式 - 或强转为MySQL特有接口：
((com.mysql.cj.jdbc.StatementImpl) stmt).enableStreamingResults()
注意：流式模式下不能调rs.last()、rs.getRow()或rs.getMetaData()（某些旧驱动版本会触发缓冲回填），也不能复用同一Statement执行其他查询——必须及时close()，否则连接泄露。
MyBatis里怎么安全做百万级导出
别用selectList()，那等于把全部记录塞进ArrayList。MyBatis支持两种流式路径，本质都是绕过ORM自动封装成List的逻辑：
- 用
Cursor<T>：Mapper方法返回Cursor<User>，配合fetchSize="-2147483648"，然后在业务层用for (User u : cursor)逐条处理并刷CSV - 用
ResultHandler：自定义处理器，在handleResult()里直接写响应流，每处理一条就flush一次，内存只留单条对象
关键点：两种方式都要求数据库连接保持打开状态直到处理完毕，所以务必在try-with-resources或finally块中显式cursor.close()或确保ResultHandler生命周期可控——否则连接池耗尽比OOM来得还快。
导入大SQL文件时mysql命令行自己先OOM了
mysql -e "source huge.sql"或mysql < huge.sql会把整个文件读进内存再解析。遇到含10万行VALUES的单条INSERT，客户端进程瞬间吃光几百MB，和max_allowed_packet无关。
解决方案分两步走：
- 拆文件：用
sed -n '/^INSERT INTO/p' dump.sql | split -l 8000 -a 3 - batch_提取并切分INSERT语句（前提是原dump用了--skip-extended-insert，保证每行一个INSERT） - 包事务：给每个分片加
START TRANSACTION;和COMMIT;，避免每条INSERT单独提交加重日志压力 - 控制客户端参数：用
mysql --net-buffer-length=1M --max-allowed-packet=64M压制解析阶段内存堆积（仅mysql 8.0+有效）
真正容易被忽略的是：服务端innodb_buffer_pool_size再大，也救不了客户端缓存行为；OOM的锅永远在客户端驱动层是否流式，而不是“数据太大”。
