java使用多线程读取超大文件
作者:Okey
这篇文章主要为大家详细介绍了java使用多线程读取超大文件,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
接上次写的“JAVA读取超大文件”。在读取超过10G的文件时会发现一次读一行的速度实在是不能接受,想到使用多线程+FileChannel来做一个使用多线程版本。
基本思路如下:
1.计算出文件总大小
2.分段处理,计算出每个线程读取文件的开始与结束位置
(文件大小/线程数)*N,N是指第几个线程,这样能得到每个线程在读该文件的大概起始位置
使用"大概起始位置",作为读文件的开始偏移量(fileChannel.position("大概起始位置")),来读取该文件,直到读到第一个换行符,记录下这个换行符的位置,作为该线程的准确起 始位置.同时它也是上一个线程的结束位置.最后一个线程的结束位置也直接设置为-1
3.启动线程,每个线程从开始位置读取到结束位置为止
代码如下:
读文件工具类
import java.io.*; import java.nio.ByteBuffer; import java.nio.channels.FileChannel; import java.util.Observable; /** * Created with IntelliJ IDEA. * User: okey * Date: 14-4-2 * Time: 下午3:12 * 读取文件 */ public class ReadFile extends Observable { private int bufSize = 1024; // 换行符 private byte key = "\n".getBytes()[0]; // 当前行数 private long lineNum = 0; // 文件编码,默认为gb2312 private String encode = "gb2312"; // 具体业务逻辑监听器 private ReaderFileListener readerListener; public void setEncode(String encode) { this.encode = encode; } public void setReaderListener(ReaderFileListener readerListener) { this.readerListener = readerListener; } /** * 获取准确开始位置 * @param file * @param position * @return * @throws Exception */ public long getStartNum(File file, long position) throws Exception { long startNum = position; FileChannel fcin = new RandomAccessFile(file, "r").getChannel(); fcin.position(position); try { int cache = 1024; ByteBuffer rBuffer = ByteBuffer.allocate(cache); // 每次读取的内容 byte[] bs = new byte[cache]; // 缓存 byte[] tempBs = new byte[0]; String line = ""; while (fcin.read(rBuffer) != -1) { int rSize = rBuffer.position(); rBuffer.rewind(); rBuffer.get(bs); rBuffer.clear(); byte[] newStrByte = bs; // 如果发现有上次未读完的缓存,则将它加到当前读取的内容前面 if (null != tempBs) { int tL = tempBs.length; newStrByte = new byte[rSize + tL]; System.arraycopy(tempBs, 0, newStrByte, 0, tL); System.arraycopy(bs, 0, newStrByte, tL, rSize); } // 获取开始位置之后的第一个换行符 int endIndex = indexOf(newStrByte, 0); if (endIndex != -1) { return startNum + endIndex; } tempBs = substring(newStrByte, 0, newStrByte.length); startNum += 1024; } } catch (Exception e) { e.printStackTrace(); } finally { fcin.close(); } return position; } /** * 从设置的开始位置读取文件,一直到结束为止。如果 end设置为负数,刚读取到文件末尾 * @param fullPath * @param start * @param end * @throws Exception */ public void readFileByLine(String fullPath, long start, long end) throws Exception { File fin = new File(fullPath); if (fin.exists()) { FileChannel fcin = new RandomAccessFile(fin, "r").getChannel(); fcin.position(start); try { ByteBuffer rBuffer = ByteBuffer.allocate(bufSize); // 每次读取的内容 byte[] bs = new byte[bufSize]; // 缓存 byte[] tempBs = new byte[0]; String line = ""; // 当前读取文件位置 long nowCur = start; while (fcin.read(rBuffer) != -1) { nowCur += bufSize; int rSize = rBuffer.position(); rBuffer.rewind(); rBuffer.get(bs); rBuffer.clear(); byte[] newStrByte = bs; // 如果发现有上次未读完的缓存,则将它加到当前读取的内容前面 if (null != tempBs) { int tL = tempBs.length; newStrByte = new byte[rSize + tL]; System.arraycopy(tempBs, 0, newStrByte, 0, tL); System.arraycopy(bs, 0, newStrByte, tL, rSize); } // 是否已经读到最后一位 boolean isEnd = false; // 如果当前读取的位数已经比设置的结束位置大的时候,将读取的内容截取到设置的结束位置 if (end > 0 && nowCur > end) { // 缓存长度 - 当前已经读取位数 - 最后位数 int l = newStrByte.length - (int) (nowCur - end); newStrByte = substring(newStrByte, 0, l); isEnd = true; } int fromIndex = 0; int endIndex = 0; // 每次读一行内容,以 key(默认为\n) 作为结束符 while ((endIndex = indexOf(newStrByte, fromIndex)) != -1) { byte[] bLine = substring(newStrByte, fromIndex, endIndex); line = new String(bLine, 0, bLine.length, encode); lineNum++; // 输出一行内容,处理方式由调用方提供 readerListener.outLine(line.trim(), lineNum, false); fromIndex = endIndex + 1; } // 将未读取完成的内容放到缓存中 tempBs = substring(newStrByte, fromIndex, newStrByte.length); if (isEnd) { break; } } // 将剩下的最后内容作为一行,输出,并指明这是最后一行 String lineStr = new String(tempBs, 0, tempBs.length, encode); readerListener.outLine(lineStr.trim(), lineNum, true); } catch (Exception e) { e.printStackTrace(); } finally { fcin.close(); } } else { throw new FileNotFoundException("没有找到文件:" + fullPath); } // 通知观察者,当前工作已经完成 setChanged(); notifyObservers(start+"-"+end); } /** * 查找一个byte[]从指定位置之后的一个换行符位置 * * @param src * @param fromIndex * @return * @throws Exception */ private int indexOf(byte[] src, int fromIndex) throws Exception { for (int i = fromIndex; i < src.length; i++) { if (src[i] == key) { return i; } } return -1; } /** * 从指定开始位置读取一个byte[]直到指定结束位置为止生成一个全新的byte[] * * @param src * @param fromIndex * @param endIndex * @return * @throws Exception */ private byte[] substring(byte[] src, int fromIndex, int endIndex) throws Exception { int size = endIndex - fromIndex; byte[] ret = new byte[size]; System.arraycopy(src, fromIndex, ret, 0, size); return ret; } }
读文件线程
/** * Created with IntelliJ IDEA. * User: okey * Date: 14-4-2 * Time: 下午4:50 * To change this template use File | Settings | File Templates. */ public class ReadFileThread extends Thread { private ReaderFileListener processPoiDataListeners; private String filePath; private long start; private long end; public ReadFileThread(ReaderFileListener processPoiDataListeners,long start,long end,String file) { this.setName(this.getName()+"-ReadFileThread"); this.start = start; this.end = end; this.filePath = file; this.processPoiDataListeners = processPoiDataListeners; } @Override public void run() { ReadFile readFile = new ReadFile(); readFile.setReaderListener(processPoiDataListeners); readFile.setEncode(processPoiDataListeners.getEncode()); // readFile.addObserver(); try { readFile.readFileByLine(filePath, start, end + 1); } catch (Exception e) { e.printStackTrace(); } } }
具体业务逻辑监听
/** * Created with Okey * User: Okey * Date: 13-3-14 * Time: 下午3:19 * NIO逐行读数据回调方法 */ public abstract class ReaderFileListener { // 一次读取行数,默认为500 private int readColNum = 500; private String encode; private List<String> list = new ArrayList<String>(); /** * 设置一次读取行数 * @param readColNum */ protected void setReadColNum(int readColNum) { this.readColNum = readColNum; } public String getEncode() { return encode; } public void setEncode(String encode) { this.encode = encode; } /** * 每读取到一行数据,添加到缓存中 * @param lineStr 读取到的数据 * @param lineNum 行号 * @param over 是否读取完成 * @throws Exception */ public void outLine(String lineStr, long lineNum, boolean over) throws Exception { if(null != lineStr) list.add(lineStr); if (!over && (lineNum % readColNum == 0)) { output(list); list.clear(); } else if (over) { output(list); list.clear(); } } /** * 批量输出 * * @param stringList * @throws Exception */ public abstract void output(List<String> stringList) throws Exception; }
线程调度
import java.io.File; import java.io.FileInputStream; import java.io.IOException; /** * Created with IntelliJ IDEA. * User: okey * Date: 14-4-1 * Time: 下午6:03 * To change this template use File | Settings | File Templates. */ public class BuildData { public static void main(String[] args) throws Exception { File file = new File("E:\\1396341974289.csv"); FileInputStream fis = null; try { ReadFile readFile = new ReadFile(); fis = new FileInputStream(file); int available = fis.available(); int maxThreadNum = 50; // 线程粗略开始位置 int i = available / maxThreadNum; for (int j = 0; j < maxThreadNum; j++) { // 计算精确开始位置 long startNum = j == 0 ? 0 : readFile.getStartNum(file, i * j); long endNum = j + 1 < maxThreadNum ? readFile.getStartNum(file, i * (j + 1)) : -2; // 具体监听实现 ProcessDataByPostgisListeners listeners = new ProcessDataByPostgisListeners("gbk"); new ReadFileThread(listeners, startNum, endNum, file.getPath()).start(); } } catch (IOException e) { e.printStackTrace(); } catch (Exception e) { e.printStackTrace(); } } }
现在就可以尽情的调整 maxThreadNum来享受风一般的速度吧!
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。