image

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。最后的出的结论是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。

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。

image

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：

image

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：

image

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：

image

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。