怎样使用Java处理大文件

以下将从常规方法谈起，通过对比来说明应该如何使用java读取大文件。

1、常规：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：

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：

@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）

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）：

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

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）

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:

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）

优化一：采用内存硬盘（RamDisk）

内存硬盘可以极大地提高文件的读写速度，行情的读写是应用内存硬盘的绝好情况：

1，可以把行情小站的行情文件地址配置在内存硬盘上。这样可以加速行情小站写文件的速度。

2，本系统再从内存硬盘读取，又可以加快读取速度。

3，内存硬盘掉电后会丢失文件，这里基本不在乎这个缺点，因为行情文件本来就是临时的，如果有持久化的需要，大部分内存硬盘也支持持久化的功能。

优化二：采用JNotify，用通知替代轮询

由于行情小站会不断的更新行情dbf文件，系统需要探测到一旦行情文件被更新，就立即读取。传统的策略是不断轮询行情文件的状态，如果发现行情文件的最后修改日期（或者再加上文件大小）改变时，就认为文件被更新。但是这种方式既低效，时延又高且不稳定。假设即使把轮询时间设置为10ms一次（这意味着1秒钟就要轮询100次）, 平均时延也要5ms。

JNotify库支持Windows，Linux和MacOS，允许监视一个文件夹，当这个文件夹下的文件被增删改时，发起回调通知。代码示例如下：

以上代码：

1，只要监视文件修改，因此只要设置mask = JNotify.FILE_MODIFIED

2，不需要递归地监视子目录，设置watchSubtree = false

3，由于监视的是文件夹，而不是文件，在fileModified方法中，要判断修改的是不是关心的文件（即行情文件），如果不是，则忽略。如果是，就调用readHangqingFile开始读取。

JNotify是基于 *** 作系统API实现的，即使用JNI实现的，因此除了jar文件，还包含.dll文件和.so文件。用eclipse开发时，需要指定这些本地库的目录，如下图所示：

部署时，需要将本地库放在执行根目录下，或者用-Djava.library.path=/native/library/path 指定本地库的位置。

采用JNotify，用（基于 *** 作系统的）通知而不是轮询，可以非常快地发现文件被更新，根据测试时间<1ms (我觉得应该远小于1ms，但是由于文件修改时间单位是毫秒，没办法更精确的测量）。

你看一下你的硬盘是什么格式的，

NTFS 格式支持：4G以上的文件

FAT32 格式支持：最大只能支持4G。

你试试看换个NTFS格式分区的硬盘来 *** 作 .

另外按照 *** 作经验来说，还是建议你分成几个小文件比较好。

---