Java高效讀取大文件，Java讀取文件

Java高效讀取大文件，Java讀取文件

1、概述

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。

2、在內存中讀取

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。

例如：讀取一個大約1G的文件：

@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。

3、文件流

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

4、Apache Commons IO流

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

5、結論

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。