Java讀取大檔案的高效率實現

ImportNew - 進林發表於2015-01-23

1、概述

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

2、在記憶體中讀取

讀取檔案行的標準方式是在記憶體中讀取,Guava 和Apache Commons IO都提供瞭如下所示快速讀取檔案行的方法:

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

FileUtils.readLines(new File(path));

這種方法帶來的問題是檔案的所有行都被存放在記憶體中,當檔案足夠大時很快就會導致程式丟擲OutOfMemoryError 異常。

例如:讀取一個大約1G的檔案:

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

這種方式開始時只佔用很少的記憶體:(大約消耗了0Mb記憶體

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

然而,當檔案全部讀到記憶體中後,我們最後可以看到(大約消耗了2GB記憶體)

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

這意味這一過程大約耗費了2.1GB的記憶體——原因很簡單:現在檔案的所有行都被儲存在記憶體中。

把檔案所有的內容都放在記憶體中很快會耗盡可用記憶體——不論實際可用記憶體有多大,這點是顯而易見的。

此外,我們通常不需要把檔案的所有行一次性地放入記憶體中——相反,我們只需要遍歷檔案的每一行,然後做相應的處理,處理完之後把它扔掉。所以,這正是我們將要做的——通過行迭代,而不是把所有行都放在記憶體中。

3、檔案流

現在讓我們看下這種解決方案——我們將使用java.util.Scanner類掃描檔案的內容,一行一行連續地讀取:

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();
    }
}

這種方案將會遍歷檔案中的所有行——允許對每一行進行處理,而不保持對它的引用。總之沒有把它們存放在記憶體中(大約消耗了150MB記憶體)

[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庫實現,利用該庫提供的自定義LineIterator:

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

由於整個檔案不是全部存放在記憶體中,這也就導致相當保守的記憶體消耗:(大約消耗了150MB記憶體)

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

5、結論

這篇短文介紹瞭如何在不重複讀取與不耗盡記憶體的情況下處理大檔案——這為大檔案的處理提供了一個有用的解決辦法。

所有這些例子的實現和程式碼片段都可以在我的github專案上獲取到——這是一個基於Eclipse的專案,所以它應該很容易被匯入和執行。

相關文章