java如何高效地读取一个超大文件？（四种方式分析对比）

- 日理万妓 2023-01-07 02:29 201阅读 0赞

![e62e544e1f024b0190e5c466008ef656.png][]

## 前言 ##

我最近在优化我的PDF转word的开源小工具，有时候会遇到一个问题，就是如果我的PDF文件比较大，几百兆，如何更快更节省内存的读取它。于是我分析对比了四种常见的读取文件的方式，并使用javaVisualVM工具进行了分析。最后的出的结论是commons-io时间和空间都更加的高效。研究分析依然来自哪位baeldung国外大佬。

下面我会给出几种常见的读取大文件的方式。

## 读取大文件的四种方式 ##

首先我自己在本地压缩了一个文件夹，大概500M左右。虽然不是很大但是，相对还可以。

### 方法1：Guava读取 ###

String path = "G:\\java书籍及工具.zip";
    Files.readLines(new File(path), Charsets.UTF_8);

使用guava读取比较简单，一行代码就搞定了。

下面去jdk的bin目录找到javaVisualVM工具，然后双击运行即可。

![swGinS.png][]

从上图可以看到：

>  *  时间消耗：20秒
>  *  堆内存：最高2.5G
>  *  CPU消耗：最高50%

我们一个500M的文件，堆内存最高竟然2.5G，如果我们读取一个2G的文件，可能我们的电脑直接死机了就。

### 方式2：Apache Commons IO普通方式 ###

String path = "G:\\java书籍及工具.zip";
    FileUtils.readLines(new File(path), Charsets.UTF_8);

这种方式也比较简单，同样是一行代码。下面运行，也分析一波：

![swGCX8.png][]

从上图可以看到：

>  *  时间消耗：17秒
>  *  堆内存：最高2.5G
>  *  CPU消耗：最高50%，平稳运行25%左右

这种方式和上面那种基本上消耗差不多，肯定不是我想要的。

### 方式3：java文件流 ###

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

这种方式其实就是java中最常见的方式，然后我们运行分析一波：

![swG96f.png][]

从上图可以看到：

>  *  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

这种方式确实很优秀，但是时间上开销更大。

### 方式4：Apache Commons IO流 ###

LineIterator it = FileUtils.lineIterator(new File(path), "UTF-8");
    try {
        
          while (it.hasNext()) {
        
              String line = it.nextLine();
          }
    } finally {
        
         LineIterator.closeQuietly(it);
    }

这种方式代码看起来比较简单，所以直接运行一波吧：

![swGp1P.png][]

从上图可以看到：

>  *  时间消耗：16秒，最低
>  *  堆内存：最高650M，少了一半
>  *  CPU消耗：平稳运行25%左右

OK，就它了，牛。

## 结论 ##

通过以上的分析，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。

[e62e544e1f024b0190e5c466008ef656.png]: https://static01.imgkr.com/temp/e62e544e1f024b0190e5c466008ef656.png
[swGinS.png]: https://s3.ax1x.com/2021/01/15/swGinS.png
[swGCX8.png]: https://s3.ax1x.com/2021/01/15/swGCX8.png
[swG96f.png]: https://s3.ax1x.com/2021/01/15/swG96f.png
[swGp1P.png]: https://s3.ax1x.com/2021/01/15/swGp1P.png