Golang处理大CSV文件技巧

在Golang中处理CSV大文件应使用流式处理，通过csv.Reader逐行读取以避免内存暴涨。具体步骤包括：1. 使用csv.NewReader配合os.Open按行读取文件；2. 避免累积数据、及时释放引用、使用指针传递结构体、合理设置缓冲区以控制内存；3. 推荐边读边写或分批处理，如每读1000行统一写入数据库，既提高吞吐量又控制内存压力。这些方法能有效实现高效且低内存占用的CSV文件处理。

处理CSV大文件在Golang中其实是个很常见的需求，尤其是在数据导入、日志分析等场景下。直接读取整个文件到内存里显然不现实，所以流式处理成了首选方案。Go标准库里的encoding/csv包提供了csv.Reader，非常适合用来按行读取大文件，同时控制内存使用。

下面几个方面是实际开发中最需要注意的点：

使用 csv.Reader 按行读取避免内存暴涨

csv.Reader 的核心优势在于它是基于 io.Reader 构建的，也就是说你可以一边从文件中读取内容，一边解析成CSV记录，而不需要一次性加载整个文件。这对于处理几百MB甚至几GB的CSV文件非常友好。

具体做法很简单：打开文件后用 csv.NewReader(file) 创建Reader对象，然后通过循环调用 Read() 方法逐行读取。

file, _ := os.Open("big_data.csv")
r := csv.NewReader(file)
for {
    record, err := r.Read()
    if err == io.EOF {
        break
    }
    // 处理 record 数据
}

每次调用 Read() 返回的 []string 都是一个单独的行数据，处理完可以立即释放，不会堆积在内存中。但要注意的是，默认情况下 csv.Reader 会缓存一定量的数据（默认缓冲区大小是64KB），如果你的每行数据特别大，可能需要适当调整 r.Buffer() 来避免报错。

控制内存使用的几个关键技巧

虽然 csv.Reader 是流式处理，但不当使用仍然可能导致内存占用过高。以下几个细节值得留意：

• 避免累积数据：不要把每一行的结果都保存到一个大的slice或map里，除非你确实需要聚合处理。
• 及时释放引用：如果你在一个循环里处理数据，确保不再需要的对象能被GC回收，比如手动置为 nil 或者限制作用域。
• 使用指针传递结构体：如果你把每行数据封装成结构体，尽量用指针方式传递，减少拷贝。
• 合理设置缓冲区：如果文件行数非常多，可以考虑使用带缓冲的 reader（如 bufio.NewReader）配合 csv.NewReader，提升IO效率。

这些优化手段虽然看起来琐碎，但在处理超大文件时往往能起到关键作用。

实际处理建议：边读边写或分批处理

很多时候我们读取CSV不只是为了看看数据，而是要做一些转换、清洗或者写入数据库。这时候推荐采用“边读边写”的方式，或者“分批提交”机制：

• 边读边写：读一行处理一行，适合写入日志、插入数据库等操作。
• 分批处理：比如每读1000行就统一处理一次，这样可以减少网络请求次数，提高吞吐量。

举个例子，假设你要将CSV导入MySQL：

batch := make([]User, 0, 1000)
for {
    record, err := r.Read()
    if err == io.EOF { break }

    user := parseUser(record)
    batch = append(batch, user)

    if len(batch) >= 1000 {
        db.Insert(batch)
        batch = batch[:0] // 清空但保留容量
    }
}
if len(batch) > 0 {
    db.Insert(batch)
}

这种方式既利用了流式读取的优点，又兼顾了写入性能，而且内存压力可控。

基本上就这些。Go的csv.Reader虽然简单，但只要用对方法，完全能胜任大文件处理任务。关键是控制好内存，别让中间结果积压，同时根据实际业务选择合适的处理粒度。