Java如何高效的讀取一個(gè)超大文件？（四種方式分析對比）
前言
我最近在優(yōu)化我的PDF轉(zhuǎn)word的開源小工具，有時(shí)候會(huì)遇到一個(gè)問題，就是如果我的PDF文件比較大，幾百兆，如何更快更節(jié)省內(nèi)存的讀取它。于是我分析對比了四種常見的讀取文件的方式，并使用javaVisualVM工具進(jìn)行了分析。最后的出的結(jié)論是commons-io時(shí)間和空間都更加的高效。研究分析依然來自哪位baeldung國外大佬。
下面我會(huì)給出幾種常見的讀取大文件的方式。
讀取大文件的四種方式
首先我自己在本地壓縮了一個(gè)文件夾，大概500M左右。雖然不是很大但是，相對還可以。
方法1：Guava讀取
String path = "G:\\java書籍及工具.zip";
- String path = "G:\\java書籍及工具.zip";
- Files.readLines(new File(path), Charsets.UTF_8);
使用guava讀取比較簡單，一行代碼就搞定了。
下面去jdk的bin目錄找到j(luò)avaVisualVM工具，然后雙擊運(yùn)行即可。
從上圖可以看到：
- 時(shí)間消耗：20秒
- 堆內(nèi)存：最高2.5G
- CPU消耗：最高50%
我們一個(gè)500M的文件，堆內(nèi)存最高竟然2.5G，如果我們讀取一個(gè)2G的文件，可能我們的電腦直接死機(jī)了就。
方式2：Apache Commons IO普通方式
String path = "G:\\java書籍及工具.zip";
- String path = "G:\\java書籍及工具.zip";
- FileUtils.readLines(new File(path), Charsets.UTF_8);
這種方式也比較簡單，同樣是一行代碼。下面運(yùn)行，也分析一波：
從上圖可以看到：
- 時(shí)間消耗：17秒
- 堆內(nèi)存：最高2.5G
- CPU消耗：最高50%，平穩(wěn)運(yùn)行25%左右
這種方式和上面那種基本上消耗差不多，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();
- }
- }
這種方式其實(shí)就是java中最常見的方式，然后我們運(yùn)行分析一波：
從上圖可以看到：
- 時(shí)間消耗：32秒，增加了一倍
- 堆內(nèi)存：最高1G，少了一半
- CPU消耗：平穩(wěn)運(yùn)行25%左右
這種方式確實(shí)很優(yōu)秀，但是時(shí)間上開銷更大。
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);
- }
這種方式代碼看起來比較簡單，所以直接運(yùn)行一波吧：
從上圖可以看到：
- 時(shí)間消耗：16秒，最低
- 堆內(nèi)存：最高650M，少了一半
- CPU消耗：平穩(wěn)運(yùn)行25%左右
OK，就它了，牛。
結(jié)論
通過以上的分析，我們可以得出一個(gè)結(jié)論，如果我們想要讀取一個(gè)大文件，選擇了錯(cuò)誤的方式，就有可能極大地占用我的內(nèi)存和CPU，當(dāng)文件特別大時(shí)，會(huì)造成意向不到的問題。
因此為了去解決這樣的問題，有四種常見的讀取大文件的方式。通過分析對比，發(fā)現(xiàn)，Apache Commons IO流是最高效的一種方式。
本文轉(zhuǎn)載自微信公眾號(hào)「愚公要移山」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系愚公要移山公眾號(hào)。
