背景 最近公司需要实现一个报表功能，需要导出近一段时间内的数据，时间段由用户在页面填写，作为 SQL 参数查询过滤，因为涉及到查询的信息详细，需要关联的表过多和字段过多，以及数据量过大，可能会有性能方面的问题 方案一： 多线程分页多 sheet+ 队列（发布订阅） 网上有很多的方案说了，用多线程分批处理，自己也写了个 demo 实现，多线程分批分页查询 + 发布订阅队列 + 分 sheet 写入，虽然功能实现了，最终测试 500 万数据，结果需要将近 8 分钟了，感觉不太满意这种方式，后面想到我们公司的服务器有大数据方面环境，想着能不能用大数据解决，最终决定用 spark 方案二：spark+cxv 经过查找资料和自己学习，基本掌握了一点 spark 的知识和整合 Java +springboot,发现 spark 天生支持这种大数据量的整合处理 基本思路就是，通过 spark 大数据引擎分布式连接 JDBC 读取数据库的数据，然后写入到 CSV 文件到 hdfs 或者到本地文件系统，最终从 hdfs 或者本地写入搭配 response 响应流给前端下载 @GetMapping("/d....