1、概述

本教程將演示如何用Java高效地讀取大文件。這篇文章是Baeldung （http://www.baeldung.com/） 上“Java——回歸基礎(chǔ)”系列教程的一部分。

2、在內(nèi)存中讀取

讀取文件行的標(biāo)準(zhǔn)方式是在內(nèi)存中讀取，Guava 和Apache Commons IO都提供了如下所示快速讀取文件行的方法：

Files.readLines(new File(path), Charsets.UTF_8);

FileUtils.readLines(new File(path));

這種方法帶來(lái)的問(wèn)題是文件的所有行都被存放在內(nèi)存中，當(dāng)文件足夠大時(shí)很快就會(huì)導(dǎo)致程序拋出OutOfMemoryError 異常。

例如：讀取一個(gè)大約1G的文件：

@Test
public void givenUsingGuava_whenIteratingAFile_thenWorks() throws IOException {
    String path = ...
    Files.readLines(new File(path), Charsets.UTF_8);
}

這種方式開(kāi)始時(shí)只占用很少的內(nèi)存：（大約消耗了0Mb內(nèi)存）

[main] INFO  org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 128 Mb
[main] INFO  org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 116 Mb

然而，當(dāng)文件全部讀到內(nèi)存中后，我們最后可以看到（大約消耗了2GB內(nèi)存）：

[main] INFO  org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 2666 Mb
[main] INFO  org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 490 Mb

這意味這一過(guò)程大約耗費(fèi)了2.1GB的內(nèi)存——原因很簡(jiǎn)單：現(xiàn)在文件的所有行都被存儲(chǔ)在內(nèi)存中。

把文件所有的內(nèi)容都放在內(nèi)存中很快會(huì)耗盡可用內(nèi)存——不論實(shí)際可用內(nèi)存有多大，這點(diǎn)是顯而易見(jiàn)的。

此外，我們通常不需要把文件的所有行一次性地放入內(nèi)存中——相反，我們只需要遍歷文件的每一行，然后做相應(yīng)的處理，處理完之后把它扔掉。所以，這正是我們將要做的——通過(guò)行迭代，而不是把所有行都放在內(nèi)存中。

3、文件流

現(xiàn)在讓我們看下這種解決方案——我們將使用java.util.Scanner類(lèi)掃描文件的內(nèi)容，一行一行連續(xù)地讀取：

FileInputStream inputStream = null;
Scanner sc = null;
try {
    inputStream = new FileInputStream(path);
    sc = new Scanner(inputStream, "UTF-8");
    while (sc.hasNextLine()) {
        String line = sc.nextLine();
        // System.out.println(line);
    }
    // note that Scanner suppresses exceptions
    if (sc.ioException() != null) {
        throw sc.ioException();
    }
} finally {
    if (inputStream != null) {
        inputStream.close();
    }
    if (sc != null) {
        sc.close();
    }
}

這種方案將會(huì)遍歷文件中的所有行——允許對(duì)每一行進(jìn)行處理，而不保持對(duì)它的引用�？傊�沒(méi)有把它們存放在內(nèi)存中：（大約消耗了150MB內(nèi)存）

[main] INFO  org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 763 Mb
[main] INFO  org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 605 Mb

4、Apache Commons IO流

同樣也可以使用Commons IO庫(kù)實(shí)現(xiàn)，利用該庫(kù)提供的自定義LineIterator:

LineIterator it = FileUtils.lineIterator(theFile, "UTF-8");
try {
    while (it.hasNext()) {
        String line = it.nextLine();
        // do something with line
    }
} finally {
    LineIterator.closeQuietly(it);
}

由于整個(gè)文件不是全部存放在內(nèi)存中，這也就導(dǎo)致相當(dāng)保守的內(nèi)存消耗：（大約消耗了150MB內(nèi)存）

[main] INFO  o.b.java.CoreJavaIoIntegrationTest - Total Memory: 752 Mb
[main] INFO  o.b.java.CoreJavaIoIntegrationTest - Free Memory: 564 Mb

5、結(jié)論

這篇短文介紹了如何在不重復(fù)讀取與不耗盡內(nèi)存的情況下處理大文件——這為大文件的處理提供了一個(gè)有用的解決辦法。

所有這些例子的實(shí)現(xiàn)和代碼片段都可以在我的github項(xiàng)目上獲取到——這是一個(gè)基于Eclipse的項(xiàng)目，所以它應(yīng)該很容易被導(dǎo)入和運(yùn)行。

標(biāo)簽： 代碼

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀(guān)點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。