java 分次读取大文件的三种方法

1. java 读取大文件的困难

java 读取文件的一般操作是将文件数据全部读取到内存中，然后再对数据进行操作。例如

Path path = Paths.get("file path");

byte[] data = Files.readAllBytes(path);

这对于小文件是没有问题的，但是对于稍大一些的文件就会抛出异常

Exception in thread "main" java.lang.OutOfMemoryError: Required array size too large

    at java.nio.file.Files.readAllBytes(Files.java:3156)

从错误定位看出，Files.readAllBytes 方法最大支持 Integer.MAX_VALUE - 8 大小的文件，也即最大2GB的文件。一旦超过了这个限度，java 原生的方法就不能直接使用了。

2. 分次读取大文件

既然不能直接全部读取大文件到内存中，那么就应该把文件分成多个子区域分多次读取。这就会有多种方法可以使用。

(1) 文件字节流

对文件建立 java.io.BufferedInputStream ，每次调用 read() 方法时会接连取出文件中长度为 arraySize 的数据到 array 中。这种方法可行但是效率不高。

import java.io.BufferedInputStream;

import java.io.FileInputStream;

import java.io.IOException;

/**

 * Created by zfh on 16-4-19.

 */

public class StreamFileReader {

    private BufferedInputStream fileIn;

    private long fileLength;

    private int arraySize;

    private byte[] array;

    public StreamFileReader(String fileName, int arraySize) throws IOException {

        this.fileIn = new BufferedInputStream(new FileInputStream(fileName), arraySize);

        this.fileLength = fileIn.available();

        this.arraySize = arraySize;

    }

    public int read() throws IOException {

        byte[] tmpArray = new byte[arraySize];

        int bytes = fileIn.read(tmpArray);// 暂存到字节数组中

        if (bytes != -1) {

            array = new byte[bytes];// 字节数组长度为已读取长度

            System.arraycopy(tmpArray, 0, array, 0, bytes);// 复制已读取数据

            return bytes;

        }

        return -1;

    }

    public void close() throws IOException {

        fileIn.close();

        array = null;

    }

    public byte[] getArray() {

        return array;

    }

    public long getFileLength() {

        return fileLength;

    }

    public static void main(String[] args) throws IOException {

        StreamFileReader reader = new StreamFileReader("/home/zfh/movie.mkv", 65536);

        long start = System.nanoTime();

        while (reader.read() != -1) ;

        long end = System.nanoTime();

        reader.close();

        System.out.println("StreamFileReader: " + (end - start));

    }

}

(2) 文件通道

对文件建立 java.nio.channels.FileChannel ，每次调用 read() 方法时会先将文件数据读取到分配的长度为 arraySize 的 java.nio.ByteBuffer 中，再从中将已经读取到的文件数据转化到 array 中。这种利用了NIO中的通道的方法，比传统的字节流读取文件是要快一些。

import java.io.FileInputStream;

import java.io.IOException;

import java.nio.ByteBuffer;

import java.nio.channels.FileChannel;

/**

 * Created by zfh on 16-4-18.

 */

public class ChannelFileReader {

    private FileInputStream fileIn;

    private ByteBuffer byteBuf;

    private long fileLength;

    private int arraySize;

    private byte[] array;

    public ChannelFileReader(String fileName, int arraySize) throws IOException {

        this.fileIn = new FileInputStream(fileName);

        this.fileLength = fileIn.getChannel().size();

        this.arraySize = arraySize;

        this.byteBuf = ByteBuffer.allocate(arraySize);

    }

    public int read() throws IOException {

        FileChannel fileChannel = fileIn.getChannel();

        int bytes = fileChannel.read(byteBuf);// 读取到ByteBuffer中

        if (bytes != -1) {

            array = new byte[bytes];// 字节数组长度为已读取长度

            byteBuf.flip();

            byteBuf.get(array);// 从ByteBuffer中得到字节数组

            byteBuf.clear();

            return bytes;

        }

        return -1;

    }

    public void close() throws IOException {

        fileIn.close();

        array = null;

    }

    public byte[] getArray() {

        return array;

    }

    public long getFileLength() {

        return fileLength;

    }

    public static void main(String[] args) throws IOException {

        ChannelFileReader reader = new ChannelFileReader("/home/zfh/movie.mkv", 65536);

        long start = System.nanoTime();

        while (reader.read() != -1) ;

        long end = System.nanoTime();

        reader.close();

        System.out.println("ChannelFileReader: " + (end - start));

    }

}

(3) 内存文件映射

这种方法就是把文件的内容被映像到计算机虚拟内存的一块区域，从而可以直接操作内存当中的数据而无需每次都通过 I/O 去物理硬盘读取文件。这是由当前 java 态进入到操作系统内核态，由操作系统读取文件，再返回数据到当前 java 态的过程。这样就能大幅提高我们操作大文件的速度。

import java.io.FileInputStream;

import java.io.IOException;

import java.nio.MappedByteBuffer;

import java.nio.channels.FileChannel;

/**

 * Created by zfh on 16-4-19.

 */

public class MappedFileReader {

    private FileInputStream fileIn;

    private MappedByteBuffer mappedBuf;

    private long fileLength;

    private int arraySize;

    private byte[] array;

    public MappedFileReader(String fileName, int arraySize) throws IOException {

        this.fileIn = new FileInputStream(fileName);

        FileChannel fileChannel = fileIn.getChannel();

        this.fileLength = fileChannel.size();

        this.mappedBuf = fileChannel.map(FileChannel.MapMode.READ_ONLY, 0, fileLength);

        this.arraySize = arraySize;

    }

    public int read() throws IOException {

        int limit = mappedBuf.limit();

        int position = mappedBuf.position();

        if (position == limit) {

            return -1;

        }

        if (limit - position > arraySize) {

            array = new byte[arraySize];

            mappedBuf.get(array);

            return arraySize;

        } else {// 最后一次读取数据

            array = new byte[limit - position];

            mappedBuf.get(array);

            return limit - position;

        }

    }

    public void close() throws IOException {

        fileIn.close();

        array = null;

    }

    public byte[] getArray() {

        return array;

    }

    public long getFileLength() {

        return fileLength;

    }

    public static void main(String[] args) throws IOException {

        MappedFileReader reader = new MappedFileReader("/home/zfh/movie.mkv", 65536);

        long start = System.nanoTime();

        while (reader.read() != -1);

        long end = System.nanoTime();

        reader.close();

        System.out.println("MappedFileReader: " + (end - start));

    }

}

看似问题完美解决了，我们肯定会采用内存文件映射的方法去处理大文件。但是运行结果发现，这个方法仍然不能读取超过2GB的文件，明明 FileChannel.map() 方法传递的文件长度是 long 类型的，怎么和 Integer.MAX_VALUE 有关系？

Exception in thread "main" java.lang.IllegalArgumentException: Size exceeds Integer.MAX_VALUE

    at sun.nio.ch.FileChannelImpl.map(FileChannelImpl.java:868)

再从错误定位可以看到

size - The size of the region to be mapped; must be non-negative and no greater than Integer.MAX_VALUE

这可以归结到一些历史原因，还有 int 类型在 java 中的深入程度，但是本质上由于 java.nio.MappedByteBuffer 是直接继承自 java.nio.ByteBuffer 的，而后者的索引变量是 int 类型的，所以前者也只能最大索引到 Integer.MAX_VALUE 的位置。这样的话我们是不是就没有办法了？当然不是，一个内存文件映射不够用，那么试一试用多个就可以了。

import java.io.FileInputStream;

import java.io.IOException;

import java.nio.MappedByteBuffer;

import java.nio.channels.FileChannel;

/**

 * Created by zfh on 16-4-19.

 */

public class MappedBiggerFileReader {

    private MappedByteBuffer[] mappedBufArray;

    private int count = 0;

    private int number;

    private FileInputStream fileIn;

    private long fileLength;

    private int arraySize;

    private byte[] array;

    public MappedBiggerFileReader(String fileName, int arraySize) throws IOException {

        this.fileIn = new FileInputStream(fileName);

        FileChannel fileChannel = fileIn.getChannel();

        this.fileLength = fileChannel.size();

        this.number = (int) Math.ceil((double) fileLength / (double) Integer.MAX_VALUE);

        this.mappedBufArray = new MappedByteBuffer[number];// 内存文件映射数组

        long preLength = 0;

        long regionSize = (long) Integer.MAX_VALUE;// 映射区域的大小

        for (int i = 0; i < number; i++) {// 将文件的连续区域映射到内存文件映射数组中

            if (fileLength - preLength < (long) Integer.MAX_VALUE) {

                regionSize = fileLength - preLength;// 最后一片区域的大小

            }

            mappedBufArray[i] = fileChannel.map(FileChannel.MapMode.READ_ONLY, preLength, regionSize);

            preLength += regionSize;// 下一片区域的开始

        }

        this.arraySize = arraySize;

    }

    public int read() throws IOException {

        if (count >= number) {

            return -1;

        }

        int limit = mappedBufArray[count].limit();

        int position = mappedBufArray[count].position();

        if (limit - position > arraySize) {

            array = new byte[arraySize];

            mappedBufArray[count].get(array);

            return arraySize;

        } else {// 本内存文件映射最后一次读取数据

            array = new byte[limit - position];

            mappedBufArray[count].get(array);

            if (count < number) {

                count++;// 转换到下一个内存文件映射

            }

            return limit - position;

        }

    }

    public void close() throws IOException {

        fileIn.close();

        array = null;

    }

    public byte[] getArray() {

        return array;

    }

    public long getFileLength() {

        return fileLength;

    }

    public static void main(String[] args) throws IOException {

        MappedBiggerFileReader reader = new MappedBiggerFileReader("/home/zfh/movie.mkv", 65536);

        long start = System.nanoTime();

        while (reader.read() != -1) ;

        long end = System.nanoTime();

        reader.close();

        System.out.println("MappedBiggerFileReader: " + (end - start));

    }

}

3. 运行结果比较

用上面三种方法读取1GB文件，运行结果如下

StreamFileReader:  11494900386

ChannelFileReader: 11329346316

MappedFileReader:  11169097480

读取10GB文件，运行结果如下

StreamFileReader:       194579779394

ChannelFileReader:      190430242497

MappedBiggerFileReader: 186923035795