Java进阶(一) Java高效读取大文件,占内存少

本是古典何须时尚 2022-05-24 23:54 283阅读 0赞

本文由 [ImportNew][] - [进林][Link 1] 翻译自 [Eugen Paraschiv][]。欢迎加入[翻译小组][Link 2]。转载请见文末要求。

### **1、概述** ###

本教程将演示如何用Java高效地读取大文件.

### **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。

所有这些例子的实现和代码片段都可以在我的[github项目][github]上获取到——这是一个基于Eclipse的项目，所以它应该很容易被导入和运行。

原文链接： [Eugen Paraschiv][] 翻译： [ImportNew.com ][ImportNew]\- [进林][Link 1]  
译文链接： [http://www.importnew.com/14512.html][http_www.importnew.com_14512.html]  
\[ **转载请保留原文出处、译者和译文链接。**\]

[ImportNew]: http://www.importnew.com/
[Link 1]: http://www.importnew.com/author/8zjl8
[Eugen Paraschiv]: http://www.baeldung.com/java-read-lines-large-file
[Link 2]: http://group.jobbole.com/category/feedback/trans-team/
[github]: https://github.com/eugenp/tutorials/tree/master/core-java#readme
[http_www.importnew.com_14512.html]: http://www.importnew.com/14512.html