解决java读取大文件内存溢出问题、如何在不重复读取与不耗尽内存的情况下处理大文件
1、传统的在内存中读取
读取文件行的标准方式是在内存中读取，Guava 和Apache Commons IO都提供了如下所示快速读取文件行的方法：
| 1 2 3 |
Files.readLines(new
File(path), Charsets.UTF_8);
FileUtils.readLines(new
File(path));
|
这种方法带来的问题是文件的所有行都被存放在内存中，当文件足够大时很快就会导致程序抛出OutOfMemoryError 异常。
例如：读取一个大约1G的文件：
| 1 2 3 4 5 |
@Test
public
void
givenUsingGuava_whenIteratingAFile_thenWorks() throws
IOException {
String
path = ...
Files.readLines(new
File(path), Charsets.UTF_8);
}
|
这种方式开始时只占用很少的内存：（大约消耗了0Mb内存）
| 1 2 |
[main]
INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 128
Mb
[main]
INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 116
Mb
|
然而，当文件全部读到内存中后，我们最后可以看到（大约消耗了2GB内存）：
| 1 2 |
[main]
INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 2666
Mb
[main]
INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 490
Mb
|
这意味这一过程大约耗费了2.1GB的内存——原因很简单：现在文件的所有行都被存储在内存中。
把文件所有的内容都放在内存中很快会耗尽可用内存——不论实际可用内存有多大，这点是显而易见的。
此外，我们通常不需要把文件的所有行一次性地放入内存中——相反，我们只需要遍历文件的每一行，然后做相应的处理，处理完之后把它扔掉。所以，这正是我们将要做的——通过行迭代，而不是把所有行都放在内存中。
2、文件流
现在让我们看下这种解决方案——我们将使用java.util.Scanner类扫描文件的内容，一行一行连续地读取：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 |
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();
}
}
|
这种方案将会遍历文件中的所有行——允许对每一行进行处理，而不保持对它的引用。总之没有把它们存放在内存中：（大约消耗了150MB内存）
| 1 2 |
[main]
INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 763
Mb
[main]
INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 605
Mb
|
3、Apache Commons IO流
同样也可以使用Commons IO库实现，利用该库提供的自定义LineIterator:
| 1 2 3 4 5 6 7 8 9 |
LineIterator
it = FileUtils.lineIterator(theFile, "UTF-8");
try
{
while
(it.hasNext()) {
String
line = it.nextLine();
//
do something with line
}
}
finally
{
LineIterator.closeQuietly(it);
}
|
由于整个文件不是全部存放在内存中，这也就导致相当保守的内存消耗：（大约消耗了150MB内存）
| 1 2 |
|
