Чтение больших файлов на Java

чтобы сохранить память, не следует без необходимости хранить / дублировать данные в памяти (т. е. не назначать их переменным вне цикла). Просто обработайте вывод тут как только входной сигнал приходит.

Это действительно не имеет значения, используете ли вы BufferedReader или нет. Это не будет стоить значительно больше памяти, как некоторые неявно, кажется, предлагают. Это будет в лучшем случае только ударил несколько % от производительности. То же самое относится и к использованию NIO. Это только улучшит масштабируемость, а не использование памяти. Это станет интересным только тогда, когда у вас есть сотни потоков, работающих на одном файле.

просто пройдите через файл, запишите каждую строку сразу в другой файл, Когда вы читаете, подсчитайте строки, и если она достигнет 100, затем переключитесь на следующий файл и т. д.

зарезки пример:

String encoding = "UTF-8";
int maxlines = 100;
BufferedReader reader = null;
BufferedWriter writer = null;

try {
    reader = new BufferedReader(new InputStreamReader(new FileInputStream("/bigfile.txt"), encoding));
    int count = 0;
    for (String line; (line = reader.readLine()) != null;) {
        if (count++ % maxlines == 0) {
            close(writer);
            writer = new BufferedWriter(new OutputStreamWriter(new FileOutputStream("/smallfile" + (count / maxlines) + ".txt"), encoding));
        }
        writer.write(line);
        writer.newLine();
    }
} finally {
    close(writer);
    close(reader);
}

вы можете рассмотреть возможность использования файлов с отображением памяти, через FileChannels .

вообще много быстрее для больших файлов. Есть компромиссы производительности, которые может сделать это медленнее, так что YMMV.

связанная ответ: Java NIO FileChannel по сравнению с fileoutputstream производительность / полезность

Это очень хорошая статья: http://java.sun.com/developer/technicalArticles/Programming/PerfTuning/

В общем, для большой производительности, вы должны:

1. избегайте доступа к диску.
2. избежать доступа к базовой операционной системе.
3. избегайте вызовов методов.
4. избегать обработки байтов и символов по отдельности.

например, чтобы уменьшить доступ к диску, вы можете использовать большой буфер. В статье описаны различные подходы.

Это должно быть сделано в Java? Т. е. должен ли он быть независимым от платформы? Если нет, я бы предложил использовать ' split ' команда в *nix. Если вы действительно хотите, вы можете выполнить эту команду через свою программу java. Хотя я не тестировал, я думаю, что он работает быстрее, чем любая реализация Java IO, которую вы могли бы придумать.

вы можете использовать java.nio, который быстрее, чем классический поток ввода / вывода:

http://java.sun.com/javase/6/docs/technotes/guides/io/index.html

да. Я также думаю, что использование read() с аргументами типа read (Char [], int init, int end) - лучший способ прочитать такой большой файл (Например: read (buffer, 0, buffer.длина))

и я также испытал проблему пропущенных значений использования BufferedReader вместо BufferedInputStreamReader для двоичного потока ввода данных. Таким образом, использование BufferedInputStreamReader намного лучше в этом случае.

Не используйте чтение без аргументов. Это очень медленно. Лучше прочитать его в буфер и быстро переместить в файл.

используйте bufferedInputStream, потому что он поддерживает двоичное чтение.

и это все.

Если вы случайно читать весь входной файл вместо того, чтобы читать его построчно, то вашим основным ограничением будет скорость диска. Вы можете попробовать начать с файла, содержащего 100 строк, и записать его в 100 разных файлов по одной строке в каждом и заставить механизм запуска работать с количеством строк, записанных в текущий файл. Эта программа будет легко масштабируема для вашей ситуации.

package all.is.well;
import java.io.IOException;
import java.io.RandomAccessFile;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import junit.framework.TestCase;

/**
 * @author Naresh Bhabat
 * 
Following  implementation helps to deal with extra large files in java.
This program is tested for dealing with 2GB input file.
There are some points where extra logic can be added in future.


Pleasenote: if we want to deal with binary input file, then instead of reading line,we need to read bytes from read file object.



It uses random access file,which is almost like streaming API.


 * ****************************************
Notes regarding executor framework and its readings.
Please note :ExecutorService executor = Executors.newFixedThreadPool(10);

 *  	   for 10 threads:Total time required for reading and writing the text in
 *         :seconds 349.317
 * 
 *         For 100:Total time required for reading the text and writing   : seconds 464.042
 * 
 *         For 1000 : Total time required for reading and writing text :466.538 
 *         For 10000  Total time required for reading and writing in seconds 479.701
 *
 * 
 */
public class DealWithHugeRecordsinFile extends TestCase {

	static final String FILEPATH = "C:\springbatch\bigfile1.txt.txt";
	static final String FILEPATH_WRITE = "C:\springbatch\writinghere.txt";
	static volatile RandomAccessFile fileToWrite;
	static volatile RandomAccessFile file;
	static volatile String fileContentsIter;
	static volatile int position = 0;

	public static void main(String[] args) throws IOException, InterruptedException {
		long currentTimeMillis = System.currentTimeMillis();

		try {
			fileToWrite = new RandomAccessFile(FILEPATH_WRITE, "rw");//for random write,independent of thread obstacles 
			file = new RandomAccessFile(FILEPATH, "r");//for random read,independent of thread obstacles 
			seriouslyReadProcessAndWriteAsynch();

		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		Thread currentThread = Thread.currentThread();
		System.out.println(currentThread.getName());
		long currentTimeMillis2 = System.currentTimeMillis();
		double time_seconds = (currentTimeMillis2 - currentTimeMillis) / 1000.0;
		System.out.println("Total time required for reading the text in seconds " + time_seconds);

	}

	/**
	 * @throws IOException
	 * Something  asynchronously serious
	 */
	public static void seriouslyReadProcessAndWriteAsynch() throws IOException {
		ExecutorService executor = Executors.newFixedThreadPool(10);//pls see for explanation in comments section of the class
		while (true) {
			String readLine = file.readLine();
			if (readLine == null) {
				break;
			}
			Runnable genuineWorker = new Runnable() {
				@Override
				public void run() {
					// do hard processing here in this thread,i have consumed
					// some time and ignore some exception in write method.
					writeToFile(FILEPATH_WRITE, readLine);
					// System.out.println(" :" +
					// Thread.currentThread().getName());

				}
			};
			executor.execute(genuineWorker);
		}
		executor.shutdown();
		while (!executor.isTerminated()) {
		}
		System.out.println("Finished all threads");
		file.close();
		fileToWrite.close();
	}

	/**
	 * @param filePath
	 * @param data
	 * @param position
	 */
	private static void writeToFile(String filePath, String data) {
		try {
			// fileToWrite.seek(position);
			data = "\n" + data;
			if (!data.contains("Randomization")) {
				return;
			}
			System.out.println("Let us do something time consuming to make this thread busy"+(position++) + "   :" + data);
			System.out.println("Lets consume through this loop");
			int i=1000;
			while(i>0){
			
				i--;
			}
			fileToWrite.write(data.getBytes());
			throw new Exception();
		} catch (Exception exception) {
			System.out.println("exception was thrown but still we are able to proceeed further"
					+ " \n This can be used for marking failure of the records");
			//exception.printStackTrace();

		}

	}
}