Java如何读取和操作上G文本数据

在处理文本时，经常遇到超过1g存储的数据，直接简单的读取，可能遇到java空间不足的问题，为解决此问题，可将大文本数据按照行进行切分为很多块，并将每一块存储为一个文本。然后单独去操作每一个小文本，比如，我所做的分词，便是利用此原理。所要分词的文本是几个G，所有我将这样一个大文本切割成一个一个的小文本，接着对每个小文本进行分词。

public class BigDataRead {
    /*
     * author:合肥工业大学 管院学院 钱洋 
     * email：1563178220@qq.com
    */
    public static void main(String[] args) throws IOException {
        long timer = System.currentTimeMillis();  
        int bufferSize = 20 * 1024 * 1024;//设读取文件的缓存为20MB   
        //建立缓冲文本输入流   
        File file = new File("I:/qianyang/预测数据/user_contentdetection_qianyang");  
        FileInputStream fileInputStream = new FileInputStream(file);  
        BufferedInputStream bufferedInputStream = new BufferedInputStream(fileInputStream);
        //注意这里有时会乱码，根据自己的文本存储格式，进行调整
        InputStreamReader inputStreamReader = new InputStreamReader(bufferedInputStream,"utf-8");  
        BufferedReader input = new BufferedReader(inputStreamReader, bufferSize);  
        //要分割的块数减一,这里表示分割为31个文件   
        int splitNum = 30; 
        //12046表示我的输入本文的行数，我的文本12046行，由于每行文本较长，所有存储占用较大
        int fileLines = 12046;
        //分割后存储每个块的行数
        long perSplitLines = fileLines / splitNum;   
        for (int i = 0; i <= splitNum; ++i){  
            //分割   
            //每个块建立一个输出  
            BufferedWriter output = new BufferedWriter( new OutputStreamWriter( new FileOutputStream( new File("I:/qianyang/预测数据/分块/part" + i + ".txt")),"gbk"));
            String line = null;  
            //逐行读取，逐行输出   
            for (long lineCounter = 0; lineCounter < perSplitLines && (line = input.readLine()) != null; ++lineCounter)  
            {  
                output.append(line + "\r");  
            }  
            output.flush();  
            output.close();  
            output = null;  
        }  
        input.close();  
        timer = System.currentTimeMillis() - timer;  
        //我的1.6g数据不要1分钟，分割完毕
        System.out.println("处理时间：" + timer); 
    }

}

操作结果如下图所示，将一个文本切分成了一个一个的小文本：