Java读取大文件的高效率实现

1、概述

本教程将演示如何用Java高效地读取大文件。这篇文章是Baeldung  （http://www.baeldung.com/）  上“Java——回归基础”系列教程的一部分。

2、在内存中读取

读取文件行的标准方式是在内存中读取，Guava 和 Apache Commons  IO都提供了如下所示快速读取文件行的方法：

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

这种方法带来的问题是文件的所有行都被存放在内存中，当文件足够大时很快就会导致程序抛出OutOfMemoryError 异常。

例如： 读取一个大约1G的文件：

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

这种方式开始时只占用很少的内存：（大约消耗了0Mb内存）

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

然而， 当文件全部读到内存中后 ，我们最后可以看到（大约消耗了2GB内存）：

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

这意味这一过程大约耗费了2.1GB的内存——原因很简单：现在文件的所有行都被存储在内存中。

把文件所有的内容都放在内存中很快会耗尽可用内存 ——不论实际可用内存有多大，这点是显而易见的。

此外， 我们通常不需要把文件的所有行一次性地放入内存中 ——相反，我们只需要遍历文件的每一行，然后做相应的处理，处理完之后把它扔掉。所以，这正是我们将要做的——通过行迭代，而不是把所有行都放在内存中。

3、文件流

现在让我们看下这种解决方案——我们将使用java.util.Scanner类扫描文件的内容，一行一行连续地读取：

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(); }}

这种方案将会遍历文件中的所有行——允许对每一行进行处理，而不保持对它的引用。总之 没有把它们存放在内存中 ：（大约消耗了150MB内存）

[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

同样也可以使用Commons IO库实现，利用该库提供的自定义LineIterator:

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

由于整个文件不是全部存放在内存中，这也就导致相当保守的内存消耗：（大约消耗了150MB内存）

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

5、结论

这篇短文介绍了如何 在不重复读取与不耗尽内存的情况下处理大文件 ——这为大文件的处理提供了一个有用的解决办法。