Java如何高效的讀取一個(gè)超大文件？（四種方式分析對比）

作者：馮冬冬 2021-01-15 12:02:25

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。

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：