java如何高效地读取一个超大文件?(四种方式分析对比)
前言
我最近在优化我的PDF转word的开源小工具，有时候会遇到一个问题，就是如果我的PDF文件比较大，几百兆，如何更快更节省内存的读取它。于是我分析对比了四种常见的读取文件的方式，并使用javaVisualVM工具进行了分析。最后得出的结论是commons-io时间和空间都更加的高效。研究分析依然来自哪位baeldung国外大佬。
下面我会给出几种常见的读取大文件的方式。
读取大文件的四种方式
首先我自己在本地压缩了一个文件夹，大概500M左右。虽然不是很大但是，相对还可以。
方法1：Guava读取
String?path?=?"G:\\java书籍及工具.zip";
Files.readLines(new?File(path),?Charsets.UTF_8);使用guava读取比较简单，一行代码就搞定了。
下面去jdk的bin目录找到javaVisualVM工具，然后双击运行即可。
从上图可以看到：
时间消耗：20秒
堆内存：最高2.5G
CPU消耗：最高50%
我们一个500M的文件，堆内存最高竟然2.5G，如果我们读取一个2G的文件，可能我们的电脑直接死机了就。
方式2：Apache Commons IO普通方式
String?path?=?"G:\\java书籍及工具.zip";
FileUtils.readLines(new?File(path),?Charsets.UTF_8);这种方式也比较简单，同样是一行代码。下面运行，也分析一波：
从上图可以看到：
时间消耗：17秒
堆内存：最高2.5G
CPU消耗：最高50%，平稳运行25%左右
这种方式和上面那种基本上消耗差不多，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();
?????}
}这种方式其实就是java中最常见的方式，然后我们运行分析一波：
从上图可以看到：
时间消耗：32秒，增加了一倍
堆内存：最高1G，少了一半
CPU消耗：平稳运行25%左右
这种方式确实很优秀，但是时间上开销更大。
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);
}这种方式代码看起来比较简单，所以直接运行一波吧：
从上图可以看到：
时间消耗：16秒，最低
堆内存：最高650M，少了一半
CPU消耗：平稳运行25%左右
OK，就它了，牛。
结论
通过以上的分析，我们可以得出一个结论，如果我们想要读取一个大文件，选择了错误的方式，就有可能极大地占用我的内存和CPU，当文件特别大时，会造成意向不到的问题。
因此为了去解决这样的问题，有四种常见的读取大文件的方式。通过分析对比，发现，Apache Commons IO流是最高效的一种方式。