callable本身不解决oom，但通过配合jvm调优、数据流控制和资源约束，可将大任务拆为小而稳的单元；需按堆容量匹配分片粒度，单任务内存≤堆总容量10%～15%，禁用共享非线程安全对象，采用流式读写与及时释放，并联动线程池超时与内存水位监控。
Callable本身不解决OOM，但它为内存可控的并行处理提供了结构基础——关键在于如何用它配合JVM调优、数据流控制和资源约束，把“大任务”拆成“小而稳”的单元。
分片粒度要匹配堆容量，而非单纯追求并发数
盲目增加Callable任务数量，反而加剧GC压力。比如堆设为2GB，每片加载50万订单，若单条订单占2KB，则单片内存占用约1GB，两片并发就逼近极限。
- 按实际对象大小预估单片内存：用
JProfiler或VisualVM采样典型数据实体的 shallow heap + retained heap - 设置安全上限：单个Callable任务内存占用建议 ≤ 堆总容量的10%～15%，留足GC空间和线程栈开销
- 动态分片：对超长文本、嵌套JSON等变长数据，改用“按字节/行数”而非“按记录数”切分，避免某一片突然膨胀
禁止在Callable中持有全局非线程安全对象
静态工具类（如SimpleDateFormat）、共享连接池、未配置线程安全的ObjectMapper，会在多实例并发时引发隐式内存堆积或竞争锁导致任务阻塞，间接拖慢回收节奏。
- 日期处理统一用
DateTimeFormatter.ofPattern("...").withZone(ZoneId.systemDefault())，每次调用新建或复用immutable实例 -
ObjectMapper不要声明为static，每个Callable内创建局部实例，或使用ThreadLocal<objectmapper></objectmapper> - 数据库连接必须走连接池（如HikariCP），严禁在Callable里new Connection或长期持有ResultSet
流式读写+及时释放，让内存“只驻留必要数据”
OOM常发生在“查完再导”模式：JDBC全量拉取→内存List装满→POI生成Excel→一次性写出。Callable若沿用此流程，等于把压力从单线程转嫁到多个线程，总量未减。
- 查库侧：设置
statement.setFetchSize(500)，配合数据库游标（MySQL加useCursorFetch=true），让ResultSet按需填充 - 导出侧：Excel用
SXSSFWorkbook，CSV用BufferedWriter逐行flush；写完立即dispose()工作簿，置空集合引用 - 每片处理完主动触发局部清理：
System.gc()不推荐，但可显式list.clear()、map = null，助GC识别可回收区域
线程池与超时策略必须联动JVM内存水位
固定大小线程池（如newFixedThreadPool(8)）若任务持续超时，会堆积大量等待Future，其内部持有的结果对象和异常堆栈持续占用堆内存。
- 用
ThreadPoolExecutor替代Executors工厂方法，自定义RejectedExecutionHandler：当队列满时直接拒绝，而非无限制排队 - 提交时统一加总超时：
executor.invokeAll(tasks, 120, TimeUnit.SECONDS)，避免单个慢任务卡死整批 - 监控堆内存使用率（如通过
MemoryUsage.getUsed() / MemoryUsage.getMax()），超过80%时自动降级并发数或暂停新任务提交
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
