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）

你知道java里面的数据流吗？你可以通过流每次让他读入几K或者几兆就可以了，或者你也可以用文件分割来实现大文件的发送，不过这个要用到MD5，你可以自己去网上或者论坛上面查查，其实这种问题很好解决的。

---