Java高效讀取大文件

一、概述

本教程將演示如何用Java高效地讀取大文件。

二、在內存中讀取

讀取文件行的標準方式是在內存中讀取，Guava 和Apache Commons IO都提供了以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全部行都被存放在內存中，當文件足夠大時很快就會致使程序拋出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);
}

這種方式開始時只佔用不多的內存：（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，當文件所有讀到內存中後，咱們最後能夠看到（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——緣由很簡單：如今文件的全部行都被存儲在內存中。

把文件全部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，咱們一般不須要把文件的全部行一次性地放入內存中——相反，咱們只須要遍歷文件的每一行，而後作相應的處理，處理完以後把它扔掉。因此，這正是咱們將要作的——經過行迭代，而不是把全部行都放在內存中。

三、文件流

如今讓咱們看下這種解決方案——咱們將使用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全部行——容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

四、Apache Commons IO流

一樣也可使用Commons IO庫實現，利用該庫提供的自定義LineIterator:

LineIterator it = FileUtils.lineIterator(theFile, "UTF-8");
try {
    while (it.hasNext()) {
        String line = it.nextLine();
        // do something with line
    }
} finally {
    LineIterator.closeQuietly(it);
}

因爲整個文件不是所有存放在內存中，這也就致使至關保守的內存消耗：（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

五、結論

這篇短文介紹瞭如何在不重複讀取與不耗盡內存的狀況下處理大文件——這爲大文件的處理提供了一個有用的解決辦法。