1. 程式人生 > 其它 >java 分批次讀取大檔案的三種方法

java 分批次讀取大檔案的三種方法

1. java 讀取大檔案的困難
java 讀取檔案的一般操作是將檔案資料全部讀取到記憶體中,然後再對資料進行操作。例如

Path path = Paths.get("file path");
byte[] data = Files.readAllBytes(path);

這對於小檔案是沒有問題的,但是對於稍大一些的檔案就會丟擲異常

Exception in thread "main" java.lang.OutOfMemoryError: Required array size too large
at java.nio.file.Files.readAllBytes(Files.java:
3156)

從錯誤定位看出,Files.readAllBytes 方法最大支援 Integer.MAX_VALUE - 8 大小的檔案,也即最大2GB的檔案。一旦超過了這個限度,java 原生的方法就不能直接使用了。

2. 分次讀取大檔案
既然不能直接全部讀取大檔案到記憶體中,那麼就應該把檔案分成多個子區域分多次讀取。這就會有多種方法可以使用。

(1) 檔案位元組流
對檔案建立 java.io.BufferedInputStream ,每次呼叫 read() 方法時會接連取出檔案中長度為 arraySize 的資料到 array 中。這種方法可行但是效率不高。

import java.io.BufferedInputStream;
import java.io.FileInputStream; import java.io.IOException; /** * Created by zfh on 16-4-19. */ public class StreamFileReader { private BufferedInputStream fileIn; private long fileLength; private int arraySize; private byte[] array; public StreamFileReader(String fileName, int arraySize) throws IOException {
this.fileIn = new BufferedInputStream(new FileInputStream(fileName), arraySize); this.fileLength = fileIn.available(); this.arraySize = arraySize; } public int read() throws IOException { byte[] tmpArray = new byte[arraySize]; int bytes = fileIn.read(tmpArray);// 暫存到位元組陣列中 if (bytes != -1) { array = new byte[bytes];// 位元組陣列長度為已讀取長度 System.arraycopy(tmpArray, 0, array, 0, bytes);// 複製已讀取資料 return bytes; } return -1; } public void close() throws IOException { fileIn.close(); array = null; } public byte[] getArray() { return array; } public long getFileLength() { return fileLength; } public static void main(String[] args) throws IOException { StreamFileReader reader = new StreamFileReader("/home/zfh/movie.mkv", 65536); long start = System.nanoTime(); while (reader.read() != -1) ; long end = System.nanoTime(); reader.close(); System.out.println("StreamFileReader: " + (end - start)); } }

(2) 檔案通道
對檔案建立 java.nio.channels.FileChannel ,每次呼叫 read() 方法時會先將檔案資料讀取到分配的長度為 arraySize 的 java.nio.ByteBuffer 中,再從中將已經讀取到的檔案資料轉化到 array 中。這種利用了NIO中的通道的方法,比傳統的位元組流讀取檔案是要快一些。

import java.io.FileInputStream;
import java.io.IOException;
import java.nio.ByteBuffer;
import java.nio.channels.FileChannel;

/**
* Created by zfh on 16-4-18.
*/
public class ChannelFileReader {
private FileInputStream fileIn;
private ByteBuffer byteBuf;
private long fileLength;
private int arraySize;
private byte[] array;

public ChannelFileReader(String fileName, int arraySize) throws IOException {
this.fileIn = new FileInputStream(fileName);
this.fileLength = fileIn.getChannel().size();
this.arraySize = arraySize;
this.byteBuf = ByteBuffer.allocate(arraySize);
}

public int read() throws IOException {
FileChannel fileChannel = fileIn.getChannel();
int bytes = fileChannel.read(byteBuf);// 讀取到ByteBuffer中
if (bytes != -1) {
array = new byte[bytes];// 位元組陣列長度為已讀取長度
byteBuf.flip();
byteBuf.get(array);// 從ByteBuffer中得到位元組陣列
byteBuf.clear();
return bytes;
}
return -1;
}

public void close() throws IOException {
fileIn.close();
array = null;
}

public byte[] getArray() {
return array;
}

public long getFileLength() {
return fileLength;
}

public static void main(String[] args) throws IOException {
ChannelFileReader reader = new ChannelFileReader("/home/zfh/movie.mkv", 65536);
long start = System.nanoTime();
while (reader.read() != -1) ;
long end = System.nanoTime();
reader.close();
System.out.println("ChannelFileReader: " + (end - start));
}
}

(3) 記憶體檔案對映
這種方法就是把檔案的內容被映像到計算機虛擬記憶體的一塊區域,從而可以直接操作記憶體當中的資料而無需每次都通過 I/O 去物理硬碟讀取檔案。這是由當前 java 態進入到作業系統核心態,由作業系統讀取檔案,再返回資料到當前 java 態的過程。這樣就能大幅提高我們操作大檔案的速度。

import java.io.FileInputStream;
import java.io.IOException;
import java.nio.MappedByteBuffer;
import java.nio.channels.FileChannel;

/**
* Created by zfh on 16-4-19.
*/
public class MappedFileReader {
private FileInputStream fileIn;
private MappedByteBuffer mappedBuf;
private long fileLength;
private int arraySize;
private byte[] array;

public MappedFileReader(String fileName, int arraySize) throws IOException {
this.fileIn = new FileInputStream(fileName);
FileChannel fileChannel = fileIn.getChannel();
this.fileLength = fileChannel.size();
this.mappedBuf = fileChannel.map(FileChannel.MapMode.READ_ONLY, 0, fileLength);
this.arraySize = arraySize;
}

public int read() throws IOException {
int limit = mappedBuf.limit();
int position = mappedBuf.position();
if (position == limit) {
return -1;
}
if (limit - position > arraySize) {
array = new byte[arraySize];
mappedBuf.get(array);
return arraySize;
} else {// 最後一次讀取資料
array = new byte[limit - position];
mappedBuf.get(array);
return limit - position;
}
}

public void close() throws IOException {
fileIn.close();
array = null;
}

public byte[] getArray() {
return array;
}

public long getFileLength() {
return fileLength;
}

public static void main(String[] args) throws IOException {
MappedFileReader reader = new MappedFileReader("/home/zfh/movie.mkv", 65536);
long start = System.nanoTime();
while (reader.read() != -1);
long end = System.nanoTime();
reader.close();
System.out.println("MappedFileReader: " + (end - start));
}
}

看似問題完美解決了,我們肯定會採用記憶體檔案對映的方法去處理大檔案。但是執行結果發現,這個方法仍然不能讀取超過2GB的檔案,明明 FileChannel.map() 方法傳遞的檔案長度是 long 型別的,怎麼和 Integer.MAX_VALUE 有關係?

Exception in thread "main" java.lang.IllegalArgumentException: Size exceeds Integer.MAX_VALUE
at sun.nio.ch.FileChannelImpl.map(FileChannelImpl.java:868)

再從錯誤定位可以看到

size - The size of the region to be mapped; must be non-negative and no greater than Integer.MAX_VALUE

這可以歸結到一些歷史原因,還有 int 型別在 java 中的深入程度,但是本質上由於 java.nio.MappedByteBuffer 是直接繼承自 java.nio.ByteBuffer 的,而後者的索引變數是 int 型別的,所以前者也只能最大索引到 Integer.MAX_VALUE 的位置。這樣的話我們是不是就沒有辦法了?當然不是,一個記憶體檔案對映不夠用,那麼試一試用多個就可以了。

import java.io.FileInputStream;
import java.io.IOException;
import java.nio.MappedByteBuffer;
import java.nio.channels.FileChannel;

/**
* Created by zfh on 16-4-19.
*/
public class MappedBiggerFileReader {
private MappedByteBuffer[] mappedBufArray;
private int count = 0;
private int number;
private FileInputStream fileIn;
private long fileLength;
private int arraySize;
private byte[] array;

public MappedBiggerFileReader(String fileName, int arraySize) throws IOException {
this.fileIn = new FileInputStream(fileName);
FileChannel fileChannel = fileIn.getChannel();
this.fileLength = fileChannel.size();
this.number = (int) Math.ceil((double) fileLength / (double) Integer.MAX_VALUE);
this.mappedBufArray = new MappedByteBuffer[number];// 記憶體檔案對映陣列
long preLength = 0;
long regionSize = (long) Integer.MAX_VALUE;// 對映區域的大小
for (int i = 0; i < number; i++) {// 將檔案的連續區域對映到記憶體檔案對映陣列中
if (fileLength - preLength < (long) Integer.MAX_VALUE) {
regionSize = fileLength - preLength;// 最後一片區域的大小
}
mappedBufArray[i] = fileChannel.map(FileChannel.MapMode.READ_ONLY, preLength, regionSize);
preLength += regionSize;// 下一片區域的開始
}
this.arraySize = arraySize;
}

public int read() throws IOException {
if (count >= number) {
return -1;
}
int limit = mappedBufArray[count].limit();
int position = mappedBufArray[count].position();
if (limit - position > arraySize) {
array = new byte[arraySize];
mappedBufArray[count].get(array);
return arraySize;
} else {// 本記憶體檔案對映最後一次讀取資料
array = new byte[limit - position];
mappedBufArray[count].get(array);
if (count < number) {
count++;// 轉換到下一個記憶體檔案對映
}
return limit - position;
}
}

public void close() throws IOException {
fileIn.close();
array = null;
}

public byte[] getArray() {
return array;
}

public long getFileLength() {
return fileLength;
}

public static void main(String[] args) throws IOException {
MappedBiggerFileReader reader = new MappedBiggerFileReader("/home/zfh/movie.mkv", 65536);
long start = System.nanoTime();
while (reader.read() != -1) ;
long end = System.nanoTime();
reader.close();
System.out.println("MappedBiggerFileReader: " + (end - start));
}
}

3. 執行結果比較
用上面三種方法讀取1GB檔案,執行結果如下

StreamFileReader: 11494900386
ChannelFileReader: 11329346316
MappedFileReader: 11169097480

讀取10GB檔案,執行結果如下

StreamFileReader: 194579779394
ChannelFileReader: 190430242497
MappedBiggerFileReader: 186923035795

————————————————
原文連結:https://blog.csdn.net/zhufenghao/article/details/51192043