兩行代碼輕鬆讓 Java 實現大文本並行計算

簡單提高文本讀取效率,使用BufferedReader是個不錯的選擇。速度最快的方法是MappedByteBuffer,但是,相比BufferedReader而言,效果不是非常明顯。也就是說,後者雖然快,但也快的有限(不要抱有性能提升幾倍的幻想)。

對於大文本的讀取,性能瓶頸主要在IO,read佔時間多是正常的,硬盤本身就不快,讀入內存後還要轉成對象,都比較耗時間。

想要提速應當用並行的辦法,用多線程同時讀取和處理數據,但Java寫多線程程序很麻煩,並行分段讀同一個文件時還要考慮調整邊界,也比較麻煩。

比如要這麼個場景:分組彙總每個客戶的銷售額,部分源數據如下:

O_ORDERKEY       O_CUSTKEY        O_ORDERDATE        O_TOTALPRICE

10262   RATTC   1996-07-22       14487.0

10263   ERNSH   1996-07-23       43818.0

10264   FOLKO   2007-07-24       1101.0

10265   BLONP   1996-07-25       5528.0

10266   WARTH   1996-07-26       7719.0

10267   FRANK   1996-07-29       20858.0

10268   GROSR   1996-07-30       19887.0

10269   WHITC   1996-07-31       456.0

10270   WARTH   1996-08-01       13654.0

...

期望的結果:

 

Java部分多線程代碼大概要寫成這樣:

...

final int DOWN_THREAD_NUM = 8;

CountDownLatch doneSignal = new CountDownLatch(DOWN_THREAD_NUM); 

RandomAccessFile[] outArr = new RandomAccessFile[DOWN_THREAD_NUM]; 

try{ 

    long length = new File(OUT_FILE_NAME).length(); 

    long numPerThred = length / DOWN_THREAD_NUM;   

    long left = length % DOWN_THREAD_NUM; 

    for (int i = 0; i < DOWN_THREAD_NUM; i++) {   

        outArr[i] = new RandomAccessFile(OUT_FILE_NAME, "rw");   

        ...                                

        if (i == DOWN_THREAD_NUM - 1) {   

            new ReadThread(i * numPerThred, (i + 1) * numPerThred + left, outArr[i],keywords,doneSignal).start();

            ... 

        } else {

            new ReadThread(i * numPerThred, (i + 1) * numPerThred,outArr[i],keywords,doneSignal).start();

            ...

        }

    }

}

...

如果有集算器就簡單多了,它對Java的多線程進行了封裝,提供了對大文件分段並行的功能,寫起來容易多了,對人員要求也低。比如上面問題,2行就搞定了(集算器內置了並行選項@m,不設置並行數,默認按核數做爲並行數):

 

A

1

=file("/workspace/orders.txt").cursor@mt()

2

=A1.groups(O_CUSTKEY;sum(O_TOTALPRICE):AMOUNT)

其實還有很多情況用Java並行處理大文本很麻煩,甚至大文本分組、排序、關聯計算等需求,但用集算器SPL卻很簡單,感興趣可以參考:

SPL結構化文本計算

結構化文本計算示例(一)

結構化文本計算示例(二)

集算器還很容易嵌入到Java應用程序中,Java如何調用SPL腳本有使用和獲得它的方法。

關於集算器安裝使用、獲得免費授權和相關技術資料,可以參見如何使用集算器

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章