大文

大文

关注
发信
关注(28)粉丝(399)

java处理大文本2G以上

面试中经常碰到类似问题，问题的关键我觉得是用设置一个缓冲区

还有一个思路 是通过Linux split 命令将文件直接切割成小文件，再进行处理再汇总。

或者jdk7提供的 forkjoin 框架，利用forkjoinpool管理的线程池，处理此种问题，未尝试过。

以下内容转自： http://blog.csdn.net/sysmedia/article/details/78030113

如下的程序，将一个行数为fileLines的文本文件平均分为splitNum个小文本文件，其中换行符'r'是linux上的，windows的java换行符是'\r\n'：

java处理大文本2G以上-LMLPHP
package kddcup2012.task2.FileSystem;

import java.io.BufferedInputStream;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileWriter;

import java.io.IOException;

import java.io.InputStreamReader;

public class FileSplit

{

    public static void main(String[] args) throws IOException

    {

        long timer = System.currentTimeMillis();

        int bufferSize = 20 * 1024 * 1024;//设读取文件的缓存为20MB

        //建立缓冲文本输入流

        File file = new File("/media/Data/毕业设计/kdd cup/数据/userid_profile.txt");

        FileInputStream fileInputStream = new FileInputStream(file);

        BufferedInputStream bufferedInputStream = new BufferedInputStream(fileInputStream);

        InputStreamReader inputStreamReader = new InputStreamReader(bufferedInputStream);

        BufferedReader input = new BufferedReader(inputStreamReader, bufferSize);

        int splitNum = 112-1;//要分割的块数减一

        int fileLines = 23669283;//输入文件的行数

        long perSplitLines = fileLines / splitNum;//每个块的行数

        for (int i = 0; i <= splitNum; ++i)

        {

            //分割

            //每个块建立一个输出

            FileWriter output = new FileWriter("/home/haoqiong/part" + i + ".txt");

            String line = null;

            //逐行读取，逐行输出

            for (long lineCounter = 0; lineCounter < perSplitLines && (line = input.readLine()) != null; ++lineCounter)

            {

                output.append(line + "\r");

            }

            output.flush();

            output.close();

            output = null;

        }

        input.close();

        timer = System.currentTimeMillis() - timer;

        System.out.println("处理时间：" + timer);

    }

}
java处理大文本2G以上-LMLPHP

以上程序处理大文本文件只需要30MB左右的内存空间（这和所设的读取缓冲大小有关），但是速度不是很快，在磁盘没有其他程序占用的情况下，将200MB文件分割为112份需要20秒（机器配置：Centrino2 P7450 CPU，2GB DDR3内存，Ubuntu 11.10系统，硬盘最大读写速度大约60MB/S）。

另外，对于几百兆到2GB大小的文件，使用内存映射文件的话，速度会块一些，但是内存映射由于映射的文件长度不能超过java中int类型的最大值，所以只能处理2GB以下的文件。

java 读取一个巨大的文本文件既能保证内存不溢出又能保证性能  
 
java处理大文本2G以上-LMLPHP
package helloword.helloword;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileReader;

import java.io.RandomAccessFile;

import java.nio.ByteBuffer;

import java.nio.MappedByteBuffer;

import java.nio.channels.FileChannel;

public class ReadBig {

    public static String fff = "C:\\mq\\read\\from.xml";

    public static void main1(String[] args) throws Exception {

        final int BUFFER_SIZE = 0x300000;// 缓冲区大小为3M

        File f = new File(fff);

        MappedByteBuffer inputBuffer = new RandomAccessFile(f, "r").getChannel().map(FileChannel.MapMode.READ_ONLY,

                f.length() / 2, f.length() / 2);

        byte[] dst = new byte[BUFFER_SIZE];// 每次读出3M的内容

        long start = System.currentTimeMillis();

        for (int offset = 0; offset < inputBuffer.capacity(); offset += BUFFER_SIZE) {

            if (inputBuffer.capacity() - offset >= BUFFER_SIZE) {

                for (int i = 0; i < BUFFER_SIZE; i++)

                    dst[i] = inputBuffer.get(offset + i);

            } else {

                for (int i = 0; i < inputBuffer.capacity() - offset; i++)

                    dst[i] = inputBuffer.get(offset + i);

            }

            int length = (inputBuffer.capacity() % BUFFER_SIZE == 0) ? BUFFER_SIZE

                    : inputBuffer.capacity() % BUFFER_SIZE;

            System.out.println(new String(dst, 0, length));// new

            // String(dst,0,length)这样可以取出缓存保存的字符串，可以对其进行操作

        }

        long end = System.currentTimeMillis();

        System.out.println("读取文件文件一半内容花费：" + (end - start) + "毫秒");

    }

    public static void main2(String[] args) throws Exception {

        int bufSize = 1024;

        byte[] bs = new byte[bufSize];

        ByteBuffer byteBuf = ByteBuffer.allocate(1024);

        FileChannel channel = new RandomAccessFile(fff, "r").getChannel();

        while (channel.read(byteBuf) != -1) {

            int size = byteBuf.position();

            byteBuf.rewind();

            byteBuf.get(bs); // 把文件当字符串处理，直接打印做为一个例子。

            System.out.print(new String(bs, 0, size));

            byteBuf.clear();

        }

    }

    public static void main3(String[] args) throws Exception {

        BufferedReader br = new BufferedReader(new FileReader(fff));

        String line = null;

        while ((line = br.readLine()) != null) {

            System.out.println(line);

        }

    }

    public static void main(String[] args) throws Exception {

        int bufSize = 1024;

        byte[] bs = new byte[bufSize];

        ByteBuffer byteBuf = ByteBuffer.allocate(1024);

        FileChannel channel = new RandomAccessFile("d:\\filename", "r").getChannel();

        while (channel.read(byteBuf) != -1) {

            int size = byteBuf.position();

            byteBuf.rewind();

            byteBuf.get(bs);

            // 把文件当字符串处理，直接打印做为一个例子。

            System.out.print(new String(bs, 0, size));

            byteBuf.clear();

        }

    }

}
java处理大文本2G以上-LMLPHP
java 读取大容量文件，内存溢出？怎么按几行读取，读取多次。 最佳答案
java处理大文本2G以上-LMLPHP
package helloword.helloword;

import java.io.BufferedInputStream;

import java.io.BufferedReader;

import java.io.File;

import java.io.FileInputStream;

import java.io.FileNotFoundException;

import java.io.FileReader;

import java.io.FileWriter;

import java.io.IOException;

import java.io.InputStreamReader;

import java.io.RandomAccessFile;

import java.util.Scanner;

public class TestPrint {

    public static void main(String[] args) throws IOException {

        String path = "你要读的文件的路径";

        RandomAccessFile br = new RandomAccessFile(path, "rw");// 这里rw看你了。要是之都就只写r

        String str = null, app = null;

        int i = 0;

        while ((str = br.readLine()) != null) {

            i++;

            app = app + str;

            if (i >= 100) {// 假设读取100行

                i = 0;

                // 这里你先对这100行操作，然后继续读

                app = null;

            }

        }

        br.close();

    }

    // 当逐行读写大于2G的文本文件时推荐使用以下代码

    void largeFileIO(String inputFile, String outputFile) {

        try {

            BufferedInputStream bis = new BufferedInputStream(new FileInputStream(new File(inputFile)));

            BufferedReader in = new BufferedReader(new InputStreamReader(bis, "utf-8"), 10 * 1024 * 1024);// 10M缓存

            FileWriter fw = new FileWriter(outputFile);

            while (in.ready()) {

                String line = in.readLine();

                fw.append(line + " ");

            }

            in.close();

            fw.flush();

            fw.close();

        } catch (IOException ex) {

            ex.printStackTrace();

        }

    }

}
java处理大文本2G以上-LMLPHP
jdk本身就支持超大文件的读写。
 
网上的文章基本分为两大类:
一类是使用BufferedReader类读写超大文件；
另一类是使用RandomAccessFile类读取，经过比较，最后使用了前一种方式进行超大文件的读取，下面是相关代码，其实很简单
-------------------------------------------------------------------
java处理大文本2G以上-LMLPHP
File file = new File(filepath);

BufferedInputStream fis = new BufferedInputStream(new FileInputStream(file));

BufferedReader reader = new BufferedReader(new InputStreamReader(fis,"utf-8"),5*1024*1024);// 用5M的缓冲读取文本文件

String line = "";

while((line = reader.readLine()) != null){

   //TODO: write your business

}
java处理大文本2G以上-LMLPHP
05-11 11:24
Powered by LMLPHP ©2024 大文 0.060617