前言
我最近在優化我的PDF轉word的開源小工具，有時候會遇到一個問題，就是如果我的PDF文件比較大，幾百兆，如何更快更節省內存的讀取它。於是我分析對比了四種常見的讀取文件的方式，並使用javaVisualVM工具進行了分析。最後的出的結論是commons-io時間和空間都更加的高效。研究分析依然來自哪位baeldung國外大佬。
下面我會給出幾種常見的讀取大文件的方式。
讀取大文件的四種方式
首先我自己在本地壓縮了一個文件夾，大概500M左右。雖然不是很大但是，相對還可以。
首先我自己在本地壓縮了一個文件夾，大概500M左右。雖然不是很大但是，相對還可以。
方法1：Guava讀取
String path = "G:\\java書籍及工具.zip";
Files.readLines(new File(path), Charsets.UTF_8);
使用guava讀取比較簡單，一行代碼就搞定了。
下面去jdk的bin目錄找到javaVisualVM工具，然後雙擊運行即可。
從上圖可以看到：
- 時間消耗：20秒
- 堆內存：最高2.5G
- CPU消耗：最高50%
我們一個500M的文件，堆內存最高竟然2.5G，如果我們讀取一個2G的文件，可能我們的電腦直接死機了就。
方式2：Apache Commons IO普通方式
String path = "G:\\java書籍及工具.zip";
FileUtils.readLines(new File(path), Charsets.UTF_8);
這種方式也比較簡單，同樣是一行代碼。下面運行，也分析一波：
從上圖可以看到：
- 時間消耗：17秒
- 堆內存：最高2.5G
- CPU消耗：最高50%，平穩運行25%左右
這種方式和上面那種基本上消耗差不多，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();
}
}
這種方式其實就是java中最常見的方式，然後我們運行分析一波：
從上圖可以看到：
- 時間消耗：32秒，增加了一倍
- 堆內存：最高1G，少了一半
- CPU消耗：平穩運行25%左右
這種方式確實很優秀，但是時間上開銷更大。
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);
}
這種方式代碼看起來比較簡單，所以直接運行一波吧：
從上圖可以看到：
- 時間消耗：16秒，最低
- 堆內存：最高650M，少了一半
- CPU消耗：平穩運行25%左右
OK，就它了，牛。
結論
通過以上的分析，我們可以得出一個結論，如果我們想要讀取一個大文件，選擇了錯誤的方式，就有可能極大地佔用我的內存和CPU，當文件特別大時，會造成意向不到的問題。
因此爲了去解決這樣的問題，有四種常見的讀取大文件的方式。通過分析對比，發現，Apache Commons IO流是最高效的一種方式。