java高效读大文件（csv,text)的处理策略

当我们在处理一个2G或者更大的文件数据时，往往是很耗系统性能的，处理不当可能造成系统崩溃。接下来介绍四种读取大文件的方式，以及每种方式的资源的调用情况。

方法1：Guava读取

由于我是用的windows系统，在 第一次测试时用了2G的文件，最后在读取文件时，读取了好久，最后报错堆内存溢出（由此可知，这种方式是基于内存进行一次性读取整个文件，文件越大，占用的资源越多）。然后 选用了一个624MB的csv文件进行测试。

代码示例如下：

    @org.junit.Test
    public void testGuavaReadFile() throws IOException {
        //本次测试的这个outPut.csv文件的大小是624MB
        String filePath = "D:\\outPut.csv";
        File file = new File(filePath);
        Long startTime = System.currentTimeMillis();
        //进行文件的读取，返回结果：每行数据都是一个string字符串
        List<String> lines = Files.readLines(file, Charsets.UTF_8);

        for (String line : lines) {
            // 在这里添加对每行数据的处理逻辑
            System.out.println("Processing line: " + line);
        }
        Long endTime = System.currentTimeMillis();
        long consume = (endTime - startTime)/1000;
        System.out.println("************总共耗时:"+consume+"秒*****************");
    }

监控结果如下： 

从上图可以看到：

时间消耗：20秒堆内存：最高2.5GCPU消耗：最高50%

 

方式2：Apache Commons IO普通方式 

代码如下：

    @org.junit.Test
    public void TestCommonsIoReadFile() throws IOException {
        //本次测试的这个outPut.csv文件的大小是624MB
        String filePath = "D:\\outPut.csv";
        File file = new File(filePath);
        Long startTime = System.currentTimeMillis();
        //Apache Commons IO普通方式读取文件
        List<String> lines = FileUtils.readLines(file, "UTF-8");

        for (String line : lines) {
            // 在这里添加对每行数据的处理逻辑
            System.out.println("Processing line: " + line);
        }
        Long endTime = System.currentTimeMillis();
        long consume = (endTime - startTime)/1000;
        System.out.println("************CommonsIo方式总共耗时:"+consume+"秒*****************");
    }

运行结果：

从上图可以看出： 

 时间消耗：17秒CPU消耗：最高50%，平稳运行25%左右

方式3：java文件流

代码如下：

@org.junit.Test
    public void TestJavaIoReadFile() throws IOException {
        //本次测试的这个outPut.csv文件的大小是624MB
        String filePath = "D:\\outPut.csv";
        Long startTime = System.currentTimeMillis();
        FileInputStream inputStream = null;
        Scanner scanner = null;

        try {
            inputStream = new FileInputStream(filePath);
            scanner = new Scanner(inputStream, "UTF-8");

            while (scanner.hasNextLine()) {
                //逐行读取文件内容
                String line = scanner.nextLine();
                System.out.println(line);
            }

            if (scanner.ioException() != null) {
                throw scanner.ioException();
            }
        } finally {
            if (inputStream != null) {
                inputStream.close();
            }

            if (scanner != null) {
                scanner.close();
            }
        }
        Long endTime = System.currentTimeMillis();
        long consume = (endTime - startTime)/1000;
        System.out.println("************CommonsIo方式总共耗时:"+consume+"秒*****************");
    }

运行结果：

 

从上图可以看出：

时间消耗：32秒，增加了一倍堆内存：最高1G，少了一半CPU消耗：平稳运行25%左右 

方式4：Apache Commons IO流 

代码如下：

 @org.junit.Test
    public void TestApacheCommonsIOReanFile() throws IOException {
        //本次测试的这个outPut.csv文件的大小是624MB
        String filePath = "D:\\outPut.csv";
        Long startTime = System.currentTimeMillis();
        LineIterator lineIterator = null;

        try {
            lineIterator = FileUtils.lineIterator(new File(filePath), "UTF-8");

            while (lineIterator.hasNext()) {
                String line = lineIterator.nextLine();
                System.out.println(line);
            }
        } finally {
            LineIterator.closeQuietly(lineIterator);
        }
        Long endTime = System.currentTimeMillis();
        long consume = (endTime - startTime)/1000;
        System.out.println("************CommonsIo方式总共耗时:"+consume+"秒*****************");
    }

 运行结果：

从上图可以看出：

时间消耗：16秒，最低堆内存：最高650M，少了一半

总结 ：

从四种方式可以看出，性能最优的是Apache Commons IO流 对大文件的处理。

我们可以得出一个结论，如果我们想要读取一个大文件，选择了错误的方式，就有可能极大地占用我的内存和CPU，当文件特别大时，会造成意向不到的问题。

因此为了去解决这样的问题，有四种常见的读取大文件的方式。通过分析对比，发现，Apache Commons IO流是最高效的一种方式。