PHP导出百万条数据方法

公司目前有一个需求，需要对一个日增量在20万+数据量的数据表中的数据进行可自定义条件筛选的导出数据，该功能需要对多个部门进行开发使用，要保证功能可用的前提下，尽量优化体验。

首先介绍一下当前可利用的资源：

1、MySQL - 一主库双从库。

2、分布式服务器集群，选择其中一台中型机作为脚本执行载体。

3、文件系统 - 可以支持上传大数据量文件。

4、编程语言php。

技术难点：

1、数据太大，对服务器配置要求较高，导出过程中涉及数据的处理（例如各种ID转换名称等操作，我们这次需求这种太多了~~非常的坑）对内存消耗很大，其次涉及到文件压缩，因此对CPU要求较高。

2、因为是跨系统部署，如果走接口，数据量随随便便上百M，传输速度太慢（项目是对外网开放的，然后数据只允许内网访问），那么该如何解决？

3、数据安全性较高，需要对所有导出进行记录，那么如何保证数据安全？

| 技术方案

第一步：设计数据库，对所有导出任务进行实时记录，也可以采用redis，为了方便数据的持久化，我最终采用了mysql数据库的方案。表结构具体包括：ID、用户ID、用户名、发起请求时间、导出具体的参数（包括各个维度的参数选择等，具体根据自身业务而定），任务是否正在处理标识（防止任务多次被处理），导出是否成功标识（可以与前一个用一个字段区分），删除标识等（假删除，便于记录用户实际操作日志）。

第二步：前台界面编写，具体包括参数选择、导出记录列表等，作用：触发导出任务创建，记录于导出表中，状态：待处理。

第三步：编写导出脚本对任务进行监控并处理，如果有导出任务自动对其执行导出操作。

这里有一个小问题：为什么不在前台触发任务的时候直接执行导出，而是有单独的脚本来执行导出呢？这就是现实业务导致的，因为我们对外开放的机器中有一些是配置很低的，为了保证导出的成功率，我们需要一台配置较高的机器来独立执行导出任务。

| 导出流程

具体流程参考下图

| 代码实现

这里主要着重介绍一下导出脚本的代码，其他步骤的代码根据自己的业务自行编写就可以了。

注意：因为数据量过大~一次性导出可想而知是不合理的，所以我使用了分页导出的形式~

首先查询数据总条数、然后通过每页导出的条数来计算具体导出的页数~

# 获取数据总条数
$dataCount = Data_ExportModel::getExportZipTotalCount($params);
$dataCount = $dataCount[0]['count_num'];
# csv
# 输出Excel文件头，可把user.csv换成你要的文件名
$mark = '/tmp/export';
$stepLen = 20000;//每次只从数据库取100000条以防变量缓存太大
# 每隔$limit行，刷新一下输出buffer，不要太大，也不要太小
$limit = 20000;
$maxFileCount = 1000000;
# buffer计数器
$cnt = 0;
$head = self::initColumnDataV2(); // 表头部分根据自身业务自行调整
$fileNameArr = array();
$salesStatisticsData = array();
$startLimitId = 0;

首次导出的每页条数我定的10万条，后来发现对内存消耗过大，改成了两万条，这样的导出速度会慢一点，建议五万条比较适中一点。

for ($j = 0; $j < ceil($dataCount / $maxFileCount); $j++) {
 $startSelect = ceil($maxFileCount / $stepLen)*$j;
 $fileCsvName = $mark . '_'.$j*$maxFileCount.'_' . ($j+1)*$maxFileCount . '.csv';
 $fp = fopen($fileCsvName, 'w'); //生成临时文件
 $fileNameArr[] = $fileCsvName;
 # 将数据通过fputcsv写到文件句柄
 fputcsv($fp, $head);
 for ($i = 0; $i < 50; $i++) { // 单个文件支持100万数据条数
 $startNum = $j*$maxFileCount + $i*$limit;
 if ($startNum > $dataCount) {
 break; // 跳出循环
 }
 # 查询数据
 $dataSource = Data_ExportModel::getExportZipTotalInfo($params, $startNum, $stepLen, $startLimitId);
 $endMicroTime = microtime(true);
 printf("n[%s -> %s] Begin Time : %s, End Time : %s, Total Count : %s, CostTime: %s.n", __CLASS__, __FUNCTION__, $params['begin_date'], $params['end_date'], count($dataSource), ($endMicroTime - $startMicroTime));
 if (empty($dataSource)) {
 continue;
 }
 $endMicroTime = microtime(true);
 foreach ($dataSource as $_key => $_data) {
 $cnt++;
 if ($limit == $cnt) {
 # 刷新一下输出buffer，防止由于数据过多造成问题
 ob_flush();
 flush();
 $cnt = 0;
 }
 # 数据处理部分，根据自身业务自行定义，注意中文转码
 $salesStatisticsData['name'] = iconv('utf-8', 'GB18030', $salesStatisticsData['c_name']);
 fputcsv($fp, $salesStatisticsData);
 }
 }
 fclose($fp); # 每生成一个文件关闭
}
# 进行多文件压缩
$zip = new ZipArchive();
$number = rand(1000,9999);
$filename = $mark."_".$params['begin_date']."_".$params['end_date'] ."_".$number. ".zip";
$zip->open($filename, ZipArchive::CREATE); //打开压缩包
foreach ($fileNameArr as $file) {
 $zip->addFile($file, basename($file)); //向压缩包中添加文件
}
$zip->close(); //关闭压缩包
if (!file_exists($filename)) {
 // 首次执行检查生成的压缩文件是否存在失败，进行二次尝试。。。
 $endMicroTime = microtime(true);
 # 进行二次多文件压缩
 $number = rand(1000,9999);
 $filename = $mark."_".$params['begin_date']."_".$params['end_date'] ."_".$number. ".zip";
 if (file_exists($filename)) {
 unlink($filename);
 }
 $zip->open($filename, ZipArchive::CREATE); //打开压缩包
 foreach ($fileNameArr as $file) {
 $zip->addFile($file, basename($file)); //向压缩包中添加文件
 }
 $zip->close(); //关闭压缩包
}
if (file_exists($filename)) {
 $content = file_get_contents($filename);
 // 解决读取文件偶尔出现失败的问题，第一读出为空则尝试第二次读取
 $forNum = 0;
 while (!$content) {
 $forNum++;
 @$content = file_get_contents($filename);
 if ($forNum > 10) {
 break; // 防止出现异常情况导致死循环，最多重试10次
 }
 }
} else {
 $endMicroTime = microtime(true);
 # 删除临时文件，防止占用空间
 foreach ($fileNameArr as $file) {
 if (is_file($file)) {
 unlink($file);
 }
 }
 // 记录错误日志并且报警
 return false;
}
# 删除临时文件，防止占用空间
foreach ($fileNameArr as $file) {
 if (is_file($file)) {
 unlink($file);
 }
}

最后将生成好的文件存入文件系统，上传成功之后反转导出状态，前台检测到导出成功自动进行下载即可。