解决java读取大文件内存溢出问题

1. 传统方式：在内存中读取文件内容

　读取文件行的标准方式是在内存中读取，Guava 和Apache Commons IO都提供了如下所示快速读取文件行的方法：
　　　Files.readLines(new File(path), Charsets.UTF_8);
　　　FileUtils.readLines(new File(path));
　　　实际上是使用BufferedReader或者其子类LineNumberReader来读取的。
　　传统方式的问题：是文件的所有行都被存放在内存中，当文件足够大时很快就会导致程序抛出OutOfMemoryError 异常。

　　问题思考：我们通常不需要把文件的所有行一次性地放入内存中，相反，我们只需要遍历文件的每一行，然后做相应的处理，处理完之后把它扔掉。所以我们可以通过行迭代方式来读取，而不是把所有行都放在内存中。

2. 大文件读取处理方式

　不重复读取与不耗尽内存的情况下处理大文件:

（1）文件流方式：使用java.util.Scanner类扫描文件的内容，一行一行连续地读取

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); 
     } 
}catch(IOException e){
       logger.error(e);
}finally {
     if (inputStream != null) { 
        inputStream.close(); 
     } 
     if (sc != null) {
             sc.close();
         }
}

View Code

　　该方案将会遍历文件中的所有行，允许对每一行进行处理，而不保持对它的引用。总之没有把它们存放在内存中！

（2）Apache Commons IO流：使用Commons IO库实现，利用该库提供的自定义LineIterator

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

View Code

该方案由于整个文件不是全部存放在内存中，这也就导致相当保守的内存消耗。