Question

我正在尝试预处理大型txt文件（10G），并将其存储在二进制文件中以备将来使用。随着代码的运行，它会变慢并以

结束

线程中的异常＆＃34; main＆＃34; java.lang.OutOfMemoryError：GC开销超出限额

输入文件具有以下结构

200020000000008;0;2
200020000000004;0;2
200020000000002;0;2
200020000000007;1;2

这是我正在使用的代码：

        String strLine;

        FileInputStream fstream = new FileInputStream(args[0]);
        BufferedReader br = new BufferedReader(new InputStreamReader(fstream)); 

        //Read File Line By Line
        HMbicnt map = new HMbicnt("-1");
        ObjectOutputStream  outputStream = null;
        outputStream = new ObjectOutputStream(new FileOutputStream(args[1]));

        int sepIndex = 15;

        int sepIndex2 = 0;
        String str_i = "";
        String bb = "";
        String bbBlock = "init";

        int cnt = 0;
        lineCnt = 0;
        while ((strLine = br.readLine()) != null)   {
            //rozparsovat radek         
            str_i = strLine.substring(0, sepIndex);
            sepIndex2 = strLine.substring(sepIndex+1).indexOf(';');
            bb = strLine.substring(sepIndex+1, sepIndex+1+sepIndex2);
            cnt = Integer.parseInt(strLine.substring(sepIndex+1+sepIndex2+1));
            if(!bb.equals(bbBlock)){
                outputStream.writeObject(map);
                outputStream.flush();
                map = new HMbicnt(bb);
                map.addNew(str_i + ";" + bb, cnt);
                bbBlock = bb;
            }
            else{
                map.addNew(str_i + ";" + bb, cnt);
            }
        }
        outputStream.writeObject(map);

        //Close the input stream
        br.close();
        outputStream.writeObject(map = null);
        outputStream.close();

基本上，它遍历in文件并将数据存储到对象HMbicnt（这是一个哈希映射）。一旦它在第二列遇到新值，它应该将对象写入输出文件，释放内存并继续。

感谢您的帮助。

Answer 1

我认为问题不是10G在内存中，而是你创建了太多的HashMaps。也许您可以清除HashMap，而不是在您不再需要它之后重新创建它。在java.lang.OutOfMemoryError: GC overhead limit exceeded中似乎存在类似的问题，它也与HashMaps相关

Answer 2

简单地说，你使用了太多的内存。因为，正如你所说，你的文件是10 GB，你无法将它全部装入内存（当然，除非你碰巧有超过10 GB的RAM并配置了Java使用它。）

从我的代码和描述中我可以看出，您将整个文件读入内存并将其添加到一个巨大的RAM内地图中这样做，然后将结果写入输出。这是不可行的。您需要重新设计代码才能就地工作（即在任何给定时间只将文件的一小部分保留在内存中）。

超出了Java GC开销限制

2 个答案: