JAVA—读高效读取大文件

最新推荐文章于 2024-07-11 16:02:20 发布

weixin_33801856

最新推荐文章于 2024-07-11 16:02:20 发布

阅读量257

点赞数

文章标签： java python

原文链接：https://my.oschina.net/u/265943/blog/292859

版权

2019独角兽企业重金招聘Python工程师标准>>>

概述

这篇文章将描述怎样在JAVA中高效的读取一个大文件

内存中读取

我们一般常用的方法是在内存中读取文件。—包括 Guava 和 Apache Commons IO 都提供了一个简便的方法来操作：

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

这是会发生问题的,我们将所有的文件都保存在了内存中。要是文件过大，就会出现 OutOfMemoryError ;

例如，读取1个1GB的文件

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

内存会被耗尽

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

在我们读取完文件操作后。我们可以看到内存：

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

这意味着。有2.1GB的内存被使用，原因很简单，就是把所有文件都装入了内存

但通常。我们并不需要一次性加载内存中的所有文件。我们仅仅需要遍历文件。做一些操作。然后丢弃。所以，我们现在要做的就是不把文件完全加入到内存中依次遍历文件。

通过流来操作

我们来看看这个方法。我们将通过 java.util.Scanner 来依次遍历。

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();
    }
}

这个方法，依次遍历文件，对每行文件都可以处理。并且不需要全部加载在内存中

[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 763 Mb
[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 605 Mb

Apache Commons IO 的文件流

上面的那个操作也可以通过 Commons IO 来实现每一行的遍历

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

同样，也是不在内存中加载全部文件。少量的内存消耗：