使用iText 2.0.8生成PDF遇大数据性能瓶颈，求优化建议

核心问题分析 #

当前方案先将5万+行数据拼接成超大HTML字符串，再转换为IElement列表后逐行添加到Document，存在两个关键性能瓶颈：

1. 超大HTML字符串的解析会消耗大量CPU和内存；
2. 循环添加大量IBlockElement时，Document的排版计算会频繁触发重排，导致CPU占用飙升。

优化方案 #

1. 直接使用iText原生表格API（最优方案） #

放弃HTML中转的方式，直接用iText的PdfPTable流式生成表格，完全规避HTML解析的开销，同时减少内存占用：

String PDFFileName = "123.pdf";
PdfWriter writer = new PdfWriter(new FileOutputStream(PDFFileName));
Document document = new Document(writer);

// 根据报表实际列数初始化表格
PdfPTable table = new PdfPTable(5); // 示例为5列，替换为实际列数
table.setWidthPercentage(100); // 表格宽度占满页面

// 流式遍历数据，逐行添加单元格
for (YourDataObject data : largeDataSet) {
    table.addCell(new PdfPCell(new Phrase(data.getCol1())));
    table.addCell(new PdfPCell(new Phrase(data.getCol2())));
    table.addCell(new PdfPCell(new Phrase(data.getCol3())));
    table.addCell(new PdfPCell(new Phrase(data.getCol4())));
    table.addCell(new PdfPCell(new Phrase(data.getCol5())));
    
    // 每添加1000行手动刷新一次，避免内存堆积（可根据数据量调整）
    if (largeDataSet.indexOf(data) % 1000 == 0) {
        document.add(table);
        table.deleteBodyRows(); // 清空已添加的行，释放内存
    }
}

// 添加剩余的行
document.add(table);
document.close();

优势：

• 无需HTML解析，CPU开销大幅降低；
• 流式处理数据，无需一次性加载所有数据到内存；
• 减少Document的排版重排次数，生成速度显著提升。

2. 分批处理HTML片段（若必须保留HTML格式） #

如果业务依赖HTML的样式定义，无法直接用原生API，可将大HTML拆分为多个小片段分批处理：

String PDFFileName = "123.pdf";
PdfDocument pdf = new PdfDocument(new PdfWriter(new FileOutputStream(PDFFileName)));
Document document = new Document(pdf);

// 将超大HTML按行数拆分为多个小片段（例如每1000行一个片段）
List<String> htmlChunks = splitLargeHtmlIntoChunks(content.toString(), 1000);

for (String chunk : htmlChunks) {
    List<IElement> dataElements = HtmlConverter.convertToElements(chunk, converterProperties);
    for (IElement element : dataElements) {
        if (element instanceof IBlockElement) {
            document.add((IBlockElement) element);
        }
    }
    // 手动刷新文档，将已处理内容写入磁盘，释放内存
    document.flush();
}

document.close();

关键实现细节：

• splitLargeHtmlIntoChunks方法需要将原HTML的<table>拆分为多个小<table>，保留一致的表头和样式；
• 每处理完一个片段调用document.flush()，避免内存中堆积大量未写入的元素。

3. 优化HTML与解析配置 #

• 简化CSS：避免使用复杂的嵌套样式、行内样式，统一使用类选择器，减少iText解析CSS的CPU开销；
• 禁用不必要的解析特性：通过ConverterProperties关闭不需要的HTML特性（如JavaScript、图片加载，若报表无相关内容）；
• 使用高效字符串拼接：确保content是用StringBuilder构建的，避免频繁的String拼接导致的内存碎片。

4. 调整PdfWriter缓冲区 #

增大PdfWriter的输出缓冲区，减少磁盘IO次数：

FileOutputStream fos = new FileOutputStream(PDFFileName);
// 设置缓冲区大小为1MB（可根据服务器配置调整）
PdfWriter writer = new PdfWriter(fos, new WriterProperties().setBufferSize(1024 * 1024));
PdfDocument pdf = new PdfDocument(writer);

额外提示 #

iText 2.0.8是较老的版本，对大文档的处理效率不如后续版本（如iText 7），若后续有升级空间，建议考虑版本升级以获得更底层的性能优化。

内容的提问来源于stack exchange，提问作者kw88