簡單提高文字讀取效率，使用BufferedReader是個不錯的選擇。速度最快的方法是MappedByteBuffer，但是，相比BufferedReader而言，效果不是非常明顯。也就是說，後者雖然快，但也快的有限（不要抱有效能提升幾倍的幻想）。

對於大文字的讀取，效能瓶頸主要在IO，read佔時間多是正常的，硬碟本身就不快，讀入記憶體後還要轉成物件，都比較耗時間。

想要提速應當用並行的辦法，用多執行緒同時讀取和處理資料，但Java寫多執行緒程式很麻煩，並行分段讀同一個檔案時還要考慮調整邊界，也比較麻煩。

比如要這麼個場景：分組彙總每個客戶的銷售額，部分源資料如下：

O_ORDERKEY O_CUSTKEY O_ORDERDATE O_TOTALPRICE

10262 RATTC 1996-07-22 14487.0

10263 ERNSH 1996-07-23 43818.0

10264 FOLKO 2007-07-24 1101.0

10265 BLONP 1996-07-25 5528.0

10266 WARTH 1996-07-26 7719.0

10267 FRANK 1996-07-29 20858.0

10268 GROSR 1996-07-30 19887.0

10269 WHITC 1996-07-31 456.0

10270 WARTH 1996-08-01 13654.0

...

期望的結果：

兩行程式碼輕鬆讓 Java 實現大文字平行計算

Java部分多執行緒程式碼大概要寫成這樣：

...

final int DOWN_THREAD_NUM = 8;

CountDownLatch doneSignal = new CountDownLatch(DOWN_THREAD_NUM);

RandomAccessFile[] outArr = new RandomAccessFile[DOWN_THREAD_NUM];

try{

long length = new File(OUT_FILE_NAME).length();

long numPerThred = length / DOWN_THREAD_NUM;

long left = length % DOWN_THREAD_NUM;

for (int i = 0; i < DOWN_THREAD_NUM; i++) {

outArr[i] = new RandomAccessFile(OUT_FILE_NAME, "rw");

...

if (i == DOWN_THREAD_NUM - 1) {

new ReadThread(i * numPerThred, (i + 1) * numPerThred + left, outArr[i],keywords,doneSignal).start();

...

} else {

new ReadThread(i * numPerThred, (i + 1) * numPerThred,outArr[i],keywords,doneSignal).start();

...

}

...

如果有集算器就簡單多了，它對Java的多執行緒進行了封裝，提供了對大檔案分段並行的功能，寫起來容易多了，對人員要求也低。比如上面問題，2行就搞定了(集算器內建了並行選項@m，不設定並行數，預設按核數做為並行數)：

	A
1	=file("/workspace/orders.txt").cursor@mt()
2	=A1.groups(O_CUSTKEY;sum(O_TOTALPRICE):AMOUNT)

其實還有很多情況用Java並行處理大文字很麻煩，甚至大文字分組、排序、關聯計算等需求，但用集算器SPL卻很簡單，感興趣可以參考：

集算器還很容易嵌入到Java應用程式中，有使用和獲得它的方法。

關於集算器安裝使用、獲得免費授權和相關技術資料，可以參見。

兩行程式碼輕鬆讓 Java 實現大文字平行計算

相關文章