Java高效读取大文件

柔情只为你懂 2021-06-24 14:36 456阅读 0赞

### 1、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。

### 2、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

不过scan的读取的效率非常低下，改为BufferedReader读取效率提升很多。（本地测试40万行数据约由 2min提升到2s左右）

Scanner中有各种Delimiter,Pattern的耗时较高,BufferedReader直接读取String,接近直接读取byte\[\]

private static void createData(String inputFileStr) {
    	File inputFile = new File(inputFileStr);
    	BufferedReader buf = null;
    	FileReader freader = null;
    	
    	try {
    		freader = new FileReader(inputFile);
    		buf = new BufferedReader(freader);
    		String line = null ;
    		while ((line = buf.readLine()) != null ){
    			try {
    				//处理...
    			} catch (Exception e) {
    				logger.error("one bug in the file...",e);
    			}
    		}
    	} catch(Exception e) {
    		logger.error("read file error...",e);
    	} finally {
    		if (freader != null) {
    			try {
    				freader.close();
    			} catch (IOException e) {
    				e.printStackTrace();
    			}
    		}
    		if (buf != null) {
    			try {
    				buf.close();
    			} catch (IOException e) {
    				e.printStackTrace();
    			}
    		}
    	}

### 3、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