本教程將演示如何用Java高效地讀取大文件。這篇文章是Baeldung （http://www.baeldung.com/） 上“Java——回歸基礎”系列教程的一部分。

讀取文件行的標準方式是在內(nèi)存中讀取，Guava 和Apache Commons IO都提供了如下所示快速讀取文件行的方法：

Files.readLines(new File(path), Charsets.UTF_8);FileUtils.readLines(new File(path));

這種方法帶來的問題是文件的所有行都被存放在內(nèi)存中，當文件足夠大時很快就會導致程序拋出OutOfMemoryError 異常。

例如：讀取一個大約1G的文件：

@Testpublic void givenUsingGuava_whenIteratingAFile_thenWorks() throws IOException { String path = ... Files.readLines(new File(path), Charsets.UTF_8);}

這種方式開始時只占用很少的內(nèi)存：（大約消耗了0Mb內(nèi)存）

[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 128 Mb[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 116 Mb

然而，當文件全部讀到內(nèi)存中后，我們最后可以看到（大約消耗了2GB內(nèi)存）：

[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 2666 Mb[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 490 Mb

這意味這一過程大約耗費了2.1GB的內(nèi)存——原因很簡單：現(xiàn)在文件的所有行都被存儲在內(nèi)存中。

把文件所有的內(nèi)容都放在內(nèi)存中很快會耗盡可用內(nèi)存——不論實際可用內(nèi)存有多大，這點是顯而易見的。

此外，我們通常不需要把文件的所有行一次性地放入內(nèi)存中——相反，我們只需要遍歷文件的每一行，然后做相應的處理，處理完之后把它扔掉。所以，這正是我們將要做的——通過行迭代，而不是把所有行都放在內(nèi)存中。

現(xiàn)在讓我們看下這種解決方案——我們將使用java.util.Scanner類掃描文件的內(nèi)容，一行一行連續(xù)地讀取：

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); } // note that Scanner suppresses exceptions if (sc.ioException() != null) {throw sc.ioException(); }} finally { if (inputStream != null) {inputStream.close(); } if (sc != null) {sc.close(); }}

這種方案將會遍歷文件中的所有行——允許對每一行進行處理，而不保持對它的引用。總之沒有把它們存放在內(nèi)存中：（大約消耗了150MB內(nèi)存）

[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Total Memory: 763 Mb[main] INFO org.baeldung.java.CoreJavaIoUnitTest - Free Memory: 605 Mb4、Apache Commons IO流

同樣也可以使用Commons IO庫實現(xiàn)，利用該庫提供的自定義LineIterator:

LineIterator it = FileUtils.lineIterator(theFile, "UTF-8");try { while (it.hasNext()) {String line = it.nextLine();// do something with line }} finally { LineIterator.closeQuietly(it);}

由于整個文件不是全部存放在內(nèi)存中，這也就導致相當保守的內(nèi)存消耗：（大約消耗了150MB內(nèi)存）

[main] INFO o.b.java.CoreJavaIoIntegrationTest - Total Memory: 752 Mb[main] INFO o.b.java.CoreJavaIoIntegrationTest - Free Memory: 564 Mb5、結論

這篇短文介紹了如何在不重復讀取與不耗盡內(nèi)存的情況下處理大文件——這為大文件的處理提供了一個有用的解決辦法。

所有這些例子的實現(xiàn)和代碼片段都可以在我的github項目上獲取到——這是一個基于Eclipse的項目，所以它應該很容易被導入和運行。

原文鏈接： Eugen Paraschiv 翻譯： ImportNew