JAVA使用多线程读取超大文件

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 list = new ArrayList();

     /**
      * 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 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();
         }
     }
 }