zoukankan      html  css  js  c++  java
  • Java内存映射,上G大文件轻松处理

    内存映射文件(Memory-mapped File),指的是将一段虚拟内存逐字节映射于一个文件,使得应用程序处理文件如同访问主内存(但在真正使用到这些数据前却不会消耗物理内存,也不会有读写磁盘的操作),这要比直接文件读写快几个数量级。

    稍微解释一下虚拟内存(很明显,不是物理内存),它是计算机系统内存管理的一种技术。像施了妖法一样使得应用程序认为它拥有连续的可用的内存,实际上呢,它通常是被分隔成多个物理内存的碎片,还有部分暂时存储在外部磁盘存储器上,在需要时进行数据交换。

    内存映射文件主要的用处是增加 I/O 性能,特别是针对大文件。对于小文件,内存映射文件反而会导致碎片空间的浪费,因为内存映射总是要对齐页边界,最小单位是 4 KiB,一个 5 KiB 的文件将会映射占用 8 KiB 内存,也就会浪费 3 KiB 内存。

    java.nio 包使得内存映射变得非常简单,其中的核心类叫做 MappedByteBuffer,字面意思为映射的字节缓冲区。

    01、使用 MappedByteBuffer 读取文件

    假设现在有一个文件,名叫 cmower.txt,里面的内容是:

    沉默王二,一个有趣的程序员

    PS:哎,改不了王婆卖瓜自卖自夸这个臭毛病了,因为文章被盗得都怕了。

    这个文件放在 /resource 目录下,我们可以通过下面的方法获取到它:

    ClassLoader classLoader = Cmower.class.getClassLoader();
    Path path = Paths.get(classLoader.getResource("cmower.txt").getPath());

    Path 既可以表示一个目录,也可以表示一个文件,就像 File 那样——当然了,Path 是用来取代 File 的。

    然后,从文件中获取一个 channel(通道,对磁盘文件的一种抽象)。

    FileChannel fileChannel = FileChannel.open(path);

    紧接着,调用 FileChannel 类的 map 方法从 channel 中获取 MappedByteBuffer,此类扩展了 ByteBuffer——提供了一些内存映射文件的基本操作方法。

    MappedByteBuffer mappedByteBuffer = fileChannel.map(mode, position, size);

    稍微解释一下 map 方法的三个参数。

    1)mode 为文件映射模式,分为三种:

    • MapMode.READ_ONLY(只读),任何试图修改缓冲区的操作将导致抛出 ReadOnlyBufferException 异常。

    • MapMode.READ_WRITE(读/写),任何对缓冲区的更改都会在某个时刻写入文件中。需要注意的是,其他映射同一个文件的程序可能不能立即看到这些修改,多个程序同时进行文件映射的行为依赖于操作系统。

    • MapMode.PRIVATE(私有), 对缓冲区的更改不会被写入到该文件,任何修改对这个缓冲区来说都是私有的。

    2)position 为文件映射时的起始位置。

    3)size 为要映射的区域的大小,必须是非负数,不得大于Integer.MAX_VALUE

    一旦把文件映射到内存缓冲区,我们就可以把里面的数据读入到 CharBuffer 中并打印出来。具体的代码示例如下。

    CharBuffer charBuffer = null;
    ClassLoader classLoader = Cmower.class.getClassLoader();
    Path path = Paths.get(classLoader.getResource("cmower.txt").getPath());
    try (FileChannel fileChannel = FileChannel.open(path)) {
        MappedByteBuffer mappedByteBuffer = fileChannel.map(MapMode.READ_ONLY, 0, fileChannel.size());

        if (mappedByteBuffer != null) {
            charBuffer = Charset.forName("UTF-8").decode(mappedByteBuffer);
        }

        System.out.println(charBuffer.toString());
    catch (IOException e) {
        e.printStackTrace();
    }

    由于 decode() 方法的参数是 MappedByteBuffer,这就意味着我们是从内存中而不是磁盘中读入的文件内容,所以速度会非常快。

    02、使用 MappedByteBuffer 写入文件

    假设现在要把下面的内容写入到一个文件,名叫 cmower1.txt。

    沉默王二,《Web全栈开发进阶之路》作者

    这个文件还没有创建,计划放在项目的 classpath 目录下。

     Path path = Paths.get("cmower1.txt");

    具体位置见下图所示。

    然后,创建文件的通道。

    FileChannel fileChannel = FileChannel.open(path, StandardOpenOption.READ, StandardOpenOption.WRITE,
                    StandardOpenOption.TRUNCATE_EXISTING)

    仍然使用的 open 方法,不过增加了 3 个参数,前 2 个很好理解,表示文件可读(READ)、可写(WRITE);第 3 个参数 TRUNCATE_EXISTING 的意思是如果文件已经存在,并且文件已经打开将要进行 WRITE 操作,则其长度被截断为 0。

    紧接着,仍然调用 FileChannel 类的 map 方法从 channel 中获取 MappedByteBuffer。

     MappedByteBuffer mappedByteBuffer = fileChannel.map(MapMode.READ_WRITE, 0, 1024);

    这一次,我们把模式调整为 MapMode.READ_WRITE,并且指定文件大小为 1024,即 1KB 的大小。然后使用 MappedByteBuffer 中的 put() 方法将 CharBuffer 的内容保存到文件中。具体的代码示例如下。

    CharBuffer charBuffer = CharBuffer.wrap("沉默王二,《Web全栈开发进阶之路》作者");

    Path path = Paths.get("cmower1.txt");

    try (FileChannel fileChannel = FileChannel.open(path, StandardOpenOption.READ, StandardOpenOption.WRITE,
            StandardOpenOption.TRUNCATE_EXISTING)) {
        MappedByteBuffer mappedByteBuffer = fileChannel.map(MapMode.READ_WRITE, 0, 1024);

        if (mappedByteBuffer != null) {
            mappedByteBuffer.put(Charset.forName("UTF-8").encode(charBuffer));
        }

    catch (IOException e) {
        e.printStackTrace();
    }

    可以打开 cmower1.txt 查看一下内容,确认预期的内容有没有写入成功。

    03、MappedByteBuffer 的遗憾

    据说,在 Java 中使用 MappedByteBuffer 是一件非常麻烦并且痛苦的事,主要表现有:

    1)一次 map 的大小最好限制在 1.5G 左右,重复 map 会增加虚拟内存回收和重新分配的压力。也就是说,如果文件大小不确定的话,就不太友好。

    2)虚拟内存由操作系统来决定什么时候刷新到磁盘,这个时间不太容易被程序控制。

    3)MappedByteBuffer 的回收方式比较诡异。

    再次强调,这三种说法都是据说,我暂时能力有限,也不能确定这种说法的准确性,很遗憾。

    04、比较文件操作的处理时间

    嗨,朋友,阅读完以上的内容之后,我想你一定对内存映射文件有了大致的了解。但我相信,如果你是一名负责任的程序员,你一定还想知道:内存映射文件的读取速度究竟有多快。

    为了得出结论,我叫了另外三名竞赛的选手:InputStream(普通输入流)、BufferedInputStream(带缓冲的输入流)、RandomAccessFile(随机访问文件)。

    读取的对象是加勒比海盗4惊涛怪浪.mkv,大小为 1.71G。

    1)普通输入流

    public static void inputStream(Path filename) {
        try (InputStream is = Files.newInputStream(filename)) {
            int c;
            while((c = is.read()) != -1) {

            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    2)带缓冲的输入流

    public static void bufferedInputStream(Path filename) {
        try (InputStream is = new BufferedInputStream(Files.newInputStream(filename))) {
            int c;
            while((c = is.read()) != -1) {

            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    3)随机访问文件

    public static void randomAccessFile(Path filename) {
        try (RandomAccessFile randomAccessFile  = new RandomAccessFile(filename.toFile(), "r")) {
            for (long i = 0; i < randomAccessFile.length(); i++) {
                randomAccessFile.seek(i);
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    4)内存映射文件

    public static void mappedFile(Path filename) {
        try (FileChannel fileChannel = FileChannel.open(filename)) {
            long size = fileChannel.size();
            MappedByteBuffer mappedByteBuffer = fileChannel.map(MapMode.READ_ONLY, 0, size);
            for (int i = 0; i < size; i++) {
                mappedByteBuffer.get(i);
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    测试程序也很简单,大致如下:

    long start = System.currentTimeMillis();
    bufferedInputStream(Paths.get("jialebi.mkv"));
    long end = System.currentTimeMillis();
    System.out.println(end-start);

    四名选手的结果如下表所示。

    方法时间
    普通输入流 龟速,没有耐心等出结果
    随机访问文件 龟速,没有耐心等下去
    带缓冲的输入流 29966
    内存映射文件 914

    普通输入流和随机访问文件都慢得要命,真的是龟速,我没有耐心等待出结果;带缓冲的输入流的表现还不错,但相比内存映射文件就逊色多了。由此得出的结论就是:内存映射文件,上G大文件轻松处理

    05、最后

    本篇文章主要介绍了 Java 的内存映射文件,MappedByteBuffer 是其灵魂,读取速度快如火箭。另外,所有这些示例和代码片段都可以在 GitHub 上找到——这是一个 Maven 项目,所以它很容易导入和运行。

  • 相关阅读:
    SPOJ SAMER08A
    SPOJ TRAFFICN
    CS Academy Set Subtraction
    CS Academy Bad Triplet
    CF Round 432 C. Five Dimensional Points
    CF Round 432 B. Arpa and an exam about geometry
    SPOJ INVCNT
    CS Academy Palindromic Tree
    身体训练
    简单瞎搞题
  • 原文地址:https://www.cnblogs.com/qing-gee/p/11352668.html
Copyright © 2011-2022 走看看