Go批量操作excel导入到mongodb的技巧

时间：2022-11-03 10:29:56|栏目：Golang|点击：次

1. 选择命令行包

平常使用的的命令工具包有：

urfave/cli
spf13/cobra

这里使用的是urfave/cli包，比较简单

var DirPath = "../data"     // 默认位置
var dir = DirPath
app := &cli.App{
		Name:  "Ecc",
		Usage: "Ecc is a tools for batch processing of excel data",
		Flags: []cli.Flag{
			&cli.StringFlag{
				Name:        "model",
				Aliases:     []string{"m"},
				Usage:       "The model of searching",
				Value:       "model",
				Destination: &model,
			},
			&cli.StringFlag{    // 设置一个 -d 的参数，用来确定目标文件夹位置
				Name:        "dir",
				Aliases:     []string{"d"},
				Usage:       "Folder location of data files",
				Destination: &dir,
				Value:       DirPath,
		},
		Action: func(c *cli.Context) error {
			importing.Load("../configs/cfg.yaml")  // 引入配置文件，读取mongodb、mysql等配置
			importing.Handle(dir)  ## 具体逻辑处理
			return nil
	}

2. 读取配置，连接数据库

读取配置使用spf13/viper库，需要读取一下配置，连接mongodb

var C Config

type Config struct {
	Env   string `yaml:"env"`
	Mongo struct {
		DNS        string `yaml:"dns"`
		Db         string `yaml:"db"`
		Collection string `yaml:"collection"`
	} `yaml:"mongo"`
	Mysql struct {
		Alias string `yaml:"alias"`
		Dns   string `yaml:"dns"`
	} `yaml:"mysql"`
}
func Load(cf string) {
	var err error
	viper.SetConfigFile(cf)
	if err = viper.ReadInConfig(); err != nil {
		log.Fatal(fmt.Errorf("fatal error config file: %s \n", err))
	}
	if err = viper.Unmarshal(&configs.C); err != nil {
		log.Fatal(fmt.Errorf("unmarshal conf failed, err:%s \n", err))
	if err = mongo.Conn(configs.C.Mongo.DNS, configs.C.Mongo.Db); err != nil {
		log.Fatal(color.RedString("%s:\n%v", "mongo connect err", err))
	if mongo.CheckCollection(configs.C.Mongo.Collection) {
		if err = mongo.DelCollection(configs.C.Mongo.Collection); err != nil {
			log.Fatal(color.RedString("%s:\n%v", "mongo del collection err", err))
		}
	if err = mongo.CreateCollection(configs.C.Mongo.Collection); err != nil {
		log.Fatal(color.RedString("%s:\n%v", "mongo create collection err", err))

3. 读取文件

先确定文件权限以及文件是否存在

func ReadDir(dir string) ([]os.FileInfo, error) {
	perm := checkPermission(dir)
	if perm == true {
		return nil, fmt.Errorf("permission denied dir: %s", dir)
	}

	if isNotExistDir(dir) {
		return nil, fmt.Errorf("does not exist dir: %s", dir)
	files, err := ioutil.ReadDir(dir)
	if err == nil {
		return files, err
	return nil, fmt.Errorf("ReadDir: %s, err: %v", dir, err)
}

拿到文件后就要并发读取每个excel文件数据

这里需求是一次任务必须读完所有的文件，任何一个文件有错误就退出程序。

:: 所以需要定义异常退出信道和一个完成读取两个信道，总的数据使用sync.Map安全并发写入。

3.1. 并发读

rWait   = true
rDone   = make(chan struct{})
rCrash  = make(chan struct{})

read(f, dir, data)
for rWait {  		// 使用for循环来阻塞读文件
	select {
	case <-rCrash:
		abort("-> Failure")
		return
	case <-rDone:
		rWait = false
	}
}
func read(fs []os.FileInfo, dir string, data *sync.Map) {
	for _, file := range fs {
		fileName := file.Name()
		_ext := filepath.Ext(fileName)
		if Include(strings.Split(Exts, ","), _ext) {
			wg.Add(1)
			inCh := make(chan File)
			go func() {
				defer wg.Done()
				select {
				case <-rCrash:
					return // 退出goroutine
				case f := <-inCh:
					e, preData := ReadExcel(f.FilePath, f.FileName, pb)
					if e != nil {
						tools.Red("%v", e)
						// 使用sync.once防止多个goroutine关闭同一个信道
						once.Do(func() { 
							close(rCrash)
						})
						return
					}
					data.Store(f.FileName, preData)
				}
			}()
				inCh <- File{
					FileName: fileName,
					FilePath: dir + string(os.PathSeparator) + fileName,
		}
	go func() {
		wg.Wait()
		close(rDone)
	}()

3.2. 使用excelize处理excel

excelize是一个非常好用的excel处理库，这里使用这个库读取excel文件内容

type ExcelPre struct {
	FileName    string
	Data        [][]string
	Fields      []string
	Prefixes    string
	ProgressBar *mpb.Bar  // 进度条对象
}

func ReadExcel(filePath, fileName string, pb *mpb.Progress) (err error, pre *ExcelPre) {
	f, err := excelize.OpenFile(filePath)
	if err != nil {
		return err, nil
	}
	defer func() {
		if _e := f.Close(); _e != nil {
			fmt.Printf("%s: %v.\n\n", filePath, _e)
		}
	}()
	// 获取第一页数据
	firstSheet := f.WorkBook.Sheets.Sheet[0].Name
	rows, err := f.GetRows(firstSheet)
	lRows := len(rows)
	if lRows < 2 {
		lRows = 2
	rb := ReadBar(lRows, filePath, pb)
	wb := WriteBar(lRows-2, filePath, rb, pb)
	var fields []string
	var data [][]string
        // 进度条增加一格
	InCr := func(start time.Time) {
		rb.Increment()
		rb.DecoratorEwmaUpdate(time.Since(start))
	for i := 0; i < lRows; i++ {
		InCr(time.Now())
		// 这里对第一行处理，用来判断一些约定的条件
		if i == 0 {
			fields = rows[i]
			for index, field := range fields {
				if isChinese := regexp.MustCompile("[\u4e00-\u9fa5]"); isChinese.MatchString(field) || field == "" {
					err = errors.New(fmt.Sprintf("%s: line 【A%d】 field 【%s】 \n", filePath, index, field) + "The first line of the file is not a valid attribute name.")
					return err, nil
				}
			}
			continue
		// 过滤第二行，这一行通常是中文解释字段
		if i == 1 {
		data = append(data, rows[i])
	return nil, &ExcelPre{
		FileName:    fileName,
		Data:        data,
		Fields:      fields,
		Prefixes:    Prefix(fileName),
		ProgressBar: wb,

3.3. 使用mpb在命令行输出进度显示

mpb是一个很好用的命令行进度输出库，上面代码里里有两个进度条，一个是读进度条，第二个是写进度条，读进度条在文件读取的时候就显示了，返回的结构体里有写进度条对象，便于后面写操作时候显示。

下面是两个进度条显示的配置，具体参数可以看这个库的文档。

func ReadBar(total int, name string, pb *mpb.Progress) *mpb.Bar {
	return pb.AddBar(int64(total),
		mpb.PrependDecorators(
			decor.OnComplete(decor.Name(color.YellowString("reading"), decor.WCSyncSpaceR), color.YellowString("waiting")),
			decor.CountersNoUnit("%d / %d", decor.WCSyncWidth, decor.WCSyncSpaceR),
		),
		mpb.AppendDecorators(
			decor.NewPercentage("%.2f:", decor.WCSyncSpaceR),
			decor.EwmaETA(decor.ET_STYLE_MMSS, 0, decor.WCSyncWidth),
			decor.Name(": "+name),
	)
}

func WriteBar(total int, name string, beforeBar *mpb.Bar, pb *mpb.Progress) *mpb.Bar {
		mpb.BarQueueAfter(beforeBar, false),
		mpb.BarFillerClearOnComplete(),
			decor.OnComplete(decor.Name(color.YellowString("writing"), decor.WCSyncSpaceR), color.GreenString("done")),
			decor.OnComplete(decor.CountersNoUnit("%d / %d", decor.WCSyncSpaceR), ""),
			decor.OnComplete(decor.NewPercentage("%.2f:", decor.WCSyncSpaceR), ""),
			decor.OnComplete(decor.EwmaETA(decor.ET_STYLE_MMSS, 0, decor.WCSyncWidth), ""),
			decor.OnComplete(decor.Name(": "+name), name),

4. 写入mongodb

同写入操作，这里拿到所有数据，然后使用goroutine并发写入mongodb，在处理数据时候需要查重，还需要记录一下本次操作插入了哪些数据的_id值，在报错的时候进行删除（这里可以使用事务，直接删除简单些），所以定义了一个Shuttle结构体用来在记录并发时的数据。

wWait   = true
wDone   = make(chan struct{})
wCrash  = make(chan struct{})

type Shuttle struct {
	Hid []string  	// 用来判断是否是重复数据
	Mid []string  	// 用来记录本次插入的数据_id
	mu  sync.Mutex
}
func (s *Shuttle) Append(t string, str string) {
	s.mu.Lock()
	defer s.mu.Unlock()
	switch t {
	case "h":
		s.Hid = append(s.Hid, str)
	case "m":
		s.Mid = append(s.Mid, str)
	}
write2mongo(data)
for wWait {
	select {
	case <-wCrash:
		abort("-> Failure")
		return
	case <-wDone:
		wWait = false
func write2mongo(data *sync.Map) {
	collection := mongo.GetCollection(configs.C.Mongo.Collection)
	data.Range(func(key, value interface{}) bool {
		if v, ok := value.(*ExcelPre); ok {
			wg.Add(1)
			inCh := make(chan []bson.M)
			go func() {
				defer wg.Done()
				select {
				case <-wCrash:
					return // exit
				case rows := <-inCh:
					e := Write2Mongo(rows, collection, v, &shuttle)
					if e != nil {
						tools.Red("%v", e)
						once.Do(func() {
							close(wCrash)
						})
						return
					}
				}
			}()
				inCh <- PreWrite(v)
		}
		return true
	})
	go func() {
		wg.Wait()
		close(wDone)
	}()
// 具体处理逻辑
func Write2Mongo(rows []bson.M, collection *mongoDb.Collection, v *ExcelPre, s *Shuttle) error {
	v.ProgressBar.SetCurrent(0)
	incr := func(t time.Time, b *mpb.Bar, n int64) {
		b.IncrInt64(n)
		b.DecoratorEwmaUpdate(time.Since(t))
	for _, row := range rows {
		start := time.Now()
		key := v.Prefixes + "@@" + row["_hid"].(string)
		s.mu.Lock()
		if Include(s.Hid, key) {
			s.mu.Unlock()
			incr(start, v.ProgressBar, 1)
			continue
		} else {
			s.Hid = append(s.Hid, key)
		var err error
		var id primitive.ObjectID
		if id, err = mongo.CreateDocs(collection, row); err != nil {
			return errors.New(fmt.Sprintf("%s:\n%v", "mongo create docs err", err))
		s.Append("m", id.Hex())
		incr(start, v.ProgressBar, 1)
	return nil

5. 同步mysql

因为同步mysql不是必要的，这里使用命令行输入进行判断:

tools.Yellow("-> Whether to sync data to mysql? (y/n)")
if !tools.Scan("aborted") {
	return
} else {
	tools.Yellow("-> Syncing data to mysql...")
	if err = write2mysql(); err != nil {
		tools.Red("-> Failure：" + err.Error())
	} else {
		tools.Green("-> Success.")
	}
}

连接mysql数据库，拿到当前monogodb的数据：

func write2mysql() error {
	if err := mysql.Conn(configs.C.Mysql.Dns); err != nil {
		return err
	}

	d, err := mongo.GetCollectionAllData(configs.C.Mongo.Collection)
	if err != nil {
	err = Write2Mysql(d)
	return err
}

创建表，直接拼sql就完事了：

func CreateTable(tableName string, fields []string) error {
	var err error
	delSql := fmt.Sprintf("DROP TABLE IF EXISTS `%s`", tableName)
	err = Db.Exec(delSql).Error
	if err != nil {
		return err
	}

	s := "id bigint(20) NOT NULL PRIMARY KEY"
	for _, field := range fields {
		s += fmt.Sprintf(",%s varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL", field)
	sql := fmt.Sprintf("CREATE TABLE `%s` (%s) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci", tableName, s)
	err = Db.Exec(sql).Error
	return nil
}

插入数据，bson.M本身就是一个map，转一下使用gorm分批插入数据，速度快一点：

func InsertData(tableName string, fields []string, data []bson.M) error {
	var err error
	var maps []map[string]interface{}
	for _, d := range data {
		row := make(map[string]interface{})
		for _, field := range fields {
			row[field] = d[field]
		}
		if row != nil {
			row["id"] = d["id"].(string)
			maps = append(maps, row)
	}

	if len(maps) > 0 {
		err = Db.Table(tableName).CreateInBatches(maps, 100).Error
		if err != nil {
			return err
	return err
}