场景
在12 月份做的报表功能中，直接从 ES 查询一个月的数据。当数据量特别大时，查询速度会非常缓慢甚至查询失败。解决方案是使用定时任务，在每天凌晨指定时间自动查询前一天的数据，然后写入 CSV 文件中，每天追加。生成报表文件时，就不用再查询 ES，而是读取 CSV 文件，统计一个月每天数据的总和。
一、定时任务
定时任务使用的是 Quartz 框架。
Quartz 是什么
Quartz 是一个开源的作业调度框架,由 java 编写,在.NET 平台为 Quartz.Net,通过 Quart 可以快速完成任务调度的工作。
Quartz 使用场景
如定时发送邮件、定时统计数据生成报表等等
在项目中使用 Quartz
添加依赖
<dependency>
<groupId>org.quartz-scheduler</groupId>
<artifactId>quartz</artifactId>
<version>2.3.0</version>
</dependency>spring-quartz.xml 配置文件
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE beans PUBLIC "-//SPRING//DTD BEAN//EN" "http://www.springframework.org/dtd/spring-beans.dtd">
<beans>
<!-- 要调用的工作类 -->
<bean id="quartzJob" class="com.devywb.quartzJob"></bean>
<!-- 定义调用的对象和方法 -->
<bean id="jobTask" class="org.springframework.scheduling.quartz.MethodInvokingJobDetailFactoryBean">
<!-- 调用的类 -->
<property name="targetObject">
<ref bean="quartzJob"></ref>
</property>
<!-- 调用的方法 -->
<property name="targetMethod">
<value>work</value>
</property>
</bean>
<!-- 定义触发的时间 -->
<bean id="doTime" class="org.springframework.scheduling.quartz.CronTriggerFactoryBean">
<property name="jobDetail">
<ref bean="jobTask"/>
</property>
<!-- cron表达式 -->
<property name="cronExpression">
<!-- 每隔20秒钟执行一次 -->
<!-- <value>*/20 * * * * ?</value> -->
<!-- 每天凌晨五点执行 -->
<value>0 0 5 * * ?</value>
</property>
</bean>
<!-- 总管理类 -->
<bean id="startQuertz" lazy-init="false" autowire="no" class="org.springframework.scheduling.quartz.SchedulerFactoryBean">
<property name="triggers">
<list>
<ref bean="doTime"/>
</list>
</property>
</bean>
</beans>二、Tablesaw
Tablesaw是一套内存内数据表，其中包含多种数据工具与面向列的存储格式。其设计思路认为没人会面向小型任务执行分布式分析，而大家可以在单一服务器上对200万行级别的表进行交互。
大家能够利用Tablesaw执行各种规则，从而检查显示布局、数据优先级或者针对数据显示及交互向特定用户提供扩展控制范围。在它的帮助下，我们可以利用RDBMS与CSV文件导入数据，添加及删除列，执行映射与规约操作或者将表保存在经过压缩的列式存储格式当中。
添加依赖
<!-- https://mvnrepository.com/artifact/tech.tablesaw/tablesaw-core-->
<dependency>
<groupId>tech.tablesaw</groupId>
<artifactId>tablesaw-core</artifactId>
<version>0.11.2</version>
<exclusions>
<exclusion>
<groupId>org.apache.commons</groupId>
<artifactId>commons-lang3</artifactId>
</exclusion>
<exclusion>
<groupId>org.apache.commons</groupId>
<artifactId>commons-math3</artifactId>
</exclusion>
</exclusions>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-lang3 -->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-lang3</artifactId>
<version>3.0</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-math3 -->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-math3</artifactId>
<version>3.0</version>
</dependency>在项目中添加 Tablesaw 的依赖后，项目无法启动，原因是 commons-lang3 和 commons-math3 两个依赖的版本太高了。后来采用的解决方法是排除依赖再另外引入低版本依赖。
常用 API
// 读取 csv 文件
Table table = Table.read().csv(String filePath);
// 获取所有列名
List<String> columnNames = table.columnNames();
// sum
table.sum("列名").get();
// 排序
table.sortDescendingOn("列名"); // 降序
table.sortAscendingOn("列名"); // 升序
// 分组
table.groupBy(columns);
// 前多少条
table.first(nRows)
// 生成 saw 文件
Table table = Table.read().csv(contents, tableName);
table.save(folder);
// 读取 saw 文件
Table table = Table.readTable(tableNameAndPath)
踩过的坑
写入数据至 CSV 文件时，当数据中某个字段包含分隔符或其他特殊符号时，程序会报错。下面列出两种解决方案。
第一种，使用第三方库，例如 openCSV，它底层对特殊符号做了处理；
第二种，手动处理字段中的特殊符号；
/**
* list 转 CSV 字符串
* @param header
* @param data
* @return
*/
public static String list2CsvStr(Map<String, String> header, List<Map<String, Object>> data) {
String content = "";
if (header != null && header.size() > 0) {
if (data != null && data.size() > 0) {
StringBuilder sb = new StringBuilder();
for (Map<String, Object> map : data) {
Set<Entry<String, String>> entrySet = header.entrySet();
int i = 0;
for (Entry<String, String> entry : entrySet) {
String key = entry.getKey();
if(i > 0) sb.append(SEPARATOR); // 不是第一列时，添加分隔符
if(map.containsKey(key)) {
Object value = map.get(key);
String valueStr = value != null ? value.toString() : "";
if(valueStr.contains(SEPARATOR)) { // 如果数据包含分割符
if(valueStr.contains(""")) { // 如果字段中包含双引号，替换成两个
valueStr.replace(""", """");
}
// 如果字段包含分割符，则用双引号括起来
valueStr = """ + valueStr +""";
}
sb.append(valueStr);
} else {
sb.append("");
}
i ++ ;
}
sb.append("
");
}
content = sb.toString();
}
}
return content;
}
/**
* map 转 CSV 字符串
* @param header
* @param data
* @return
*/
public static String map2CsvStr(Map<String, String> header, Map<String, Object> data) {
String content = "";
if (header != null && header.size() > 0) {
if (data != null && data.size() > 0) {
StringBuilder sb = new StringBuilder();
int i = 0;
Set<Entry<String, String>> entrySet = header.entrySet();
for (Entry<String, String> entry : entrySet) {
String key = entry.getKey();
if(i > 0) sb.append(SEPARATOR);
if(data.containsKey(key)) {
Object value = data.get(key);
String valueStr = value != null ? value.toString() : "";
if(valueStr.contains(SEPARATOR)) { // 如果数据包含分割符
if(valueStr.contains(""")) { // 如果字段中包含双引号，替换成两个
valueStr.replace(""", """");
}
// 如果字段包含分割符，则用双引号括起来
valueStr = """ + valueStr +""";
}
sb.append(valueStr);
} else {
sb.append("");
}
i ++;
}
sb.append("
");
content = sb.toString();
}
}
return content;
}