本教程將演示如何用Java高效地讀取大文件。這篇文章是Baeldung ( http://www.baeldung.com/ ) 上“Java——回歸基礎” 系列教程的一部分。
讀取文件行的標准方式是在內存中讀取,Guava 和Apache Commons IO都提供了如下所示快速讀取文件行的方法:
Files.readLines(new File(path), Charsets.UTF_8); FileUtils.readLines(new File(path));
這種方法帶來的問題是文件的所有行都被存放在內存中,當文件足夠大時很快就會導致程序拋出OutOfMemoryError 異常。
@Test public void givenUsingGuava_whenIteratingAFile_thenWorks() throws IOException { String path = ... Files.readLines(new File(path), Charsets.UTF_8); }
這種方式開始時只占用很少的內存: (大約消耗了 0Mb內存 )
[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 128 Mb [main] INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 116 Mb
然而, 當文件全部讀到內存中後 ,我們最後可以看到 (大約消耗了2GB內存) :
[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 2666 Mb [main] INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 490 Mb
這意味這一過程大約耗費了2.1GB的內存——原因很簡單:現在文件的所有行都被存儲在內存中下載地址】 。
把文件所有的內容都放在內存中很快會耗盡可用內存——不論實際可用內存有多大,這點是顯而易見的。
此外, 我們通常不需要把文件的所有行一次性地放入內存中 ——相反,我們只需要遍歷文件的每一行,然後做相應的處理,處理完之後把它扔掉。所以,這正是我們將要做的——通過行迭代,而不是把所有行都放在內存中。
現在讓我們看下這種解決方案——我們將使用java.util.Scanner類掃描文件的內容,一行一行連續地讀取:
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(); } }
這種方案將會遍歷文件中的所有行——允許對每一行進行處理,而不保持對它的引用。總之 沒有把它們存放在內存中 : (大約消耗了150MB內存)
[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 763 Mb [main] INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 605 Mb
同樣也可以使用Commons IO庫實現,利用該庫提供的自定義LineIterator下載地址 :
LineIterator it = FileUtils.lineIterator(theFile, "UTF-8"); try { while (it.hasNext()) { String line = it.nextLine(); // do something with line } } finally { LineIterator.closeQuietly(it); }
由於整個文件不是全部存放在內存中,這也就導致相當保守的內存消耗: (大約消耗了 150MB 內存)
[main] INFO o.b.java.CoreJavaIoIntegrationTest - Total Memory: 752 Mb [main] INFO o.b.java.CoreJavaIoIntegrationTest - Free Memory: 564 Mb
這篇短文介紹了如何 在不重復讀取與不耗盡內存的情況下處理大文件 ——這為大文件的處理提供了一個有用的解決辦法。
所有這些例子的實現和代碼片段都可以在我的 github項目 上獲取到——這是一個基於 Eclipse 的項目,所以它應該很容易被導入和運行。