Question

我尝试了所有三个阅读过程，但是无法判断哪个是最好的

内存利用率，处理器使用率，时间复杂度

我在网上看到了许多解决方案，但没有人能就上述条件得出完美的结论。

我尝试了几件事，请检查代码，让我知道如何在上述突出显示的要求中对其进行优化。

下面是我的代码。

注意：Out.txt是3Gb文本文件

package Reader;

import java.io.BufferedInputStream;
import java.io.FileInputStream;
import java.io.FileReader;
import java.io.IOException;
import java.io.InputStream;
import java.io.LineNumberReader;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.stream.Stream;

/*
 *  Comparing Execution time of BufferInputReader Vs LineNumberReader Vs 
Stream
 *  o/p > Effeciency of BufferInputReader to LineNumberReader is around :: 
200%

 *  
 */
public class LineReaderBufferInputStream {

public static void main(String args[]) throws IOException {
    //LineReaderBufferInputStream
    LineReaderBufferInputStream lr = new LineReaderBufferInputStream();
    long startTime = System.nanoTime();

    int count = lr.countLinesUsingLineNumberReader("D://out.txt");

    long endTime = System.nanoTime();
    long c1 = (endTime - startTime);
    System.out.println(count + " LineReaderBufferInputStream Time taken:: " + c1);

    startTime = System.nanoTime();

    count = countLinesByBufferIpStream("D://out.txt");

    endTime = System.nanoTime();
    long c2 = (endTime - startTime);
    System.out.println(count + " BufferedInputStream Time taken:: " + c2);

    System.out.println("Effeciency of BufferInputReader to LineNumberReader is around :: " + (c1) / c2 * 100 + "%");

    // Java8 line by line reader
    //read file into stream, try-with-resources
    startTime = System.nanoTime();
    long cn = countLinesUsingStream("D://out.txt");
    endTime = System.nanoTime();

    System.out.println(cn +" Using Stream :: " + (endTime - startTime));

}

public int countLinesUsingLineNumberReader(String filename) throws IOException {
    LineNumberReader reader = new LineNumberReader(new FileReader(filename));
    int cnt = 0;
    String lineRead = "";
    while ((lineRead = reader.readLine()) != null) {
        //if you need to do anything with lineReader.
    }

    cnt = reader.getLineNumber();
    reader.close();
    return cnt;
}

public static int countLinesByBufferIpStream(String filename) throws IOException {
    InputStream is = new BufferedInputStream(new FileInputStream(filename));
    try {
        byte[] c = new byte[1024];
        int count = 1;
        int readChars = 0;
        boolean empty = true;
        while ((readChars = is.read(c)) != -1) {
            empty = false;
            for (int i = 0; i < readChars; ++i) {
                if (c[i] == '\n') {
                    ++count;
                }
            }
        }
        return (count == 0 && !empty) ? 1 : count;
    } finally {
        is.close();
    }
}

public static long countLinesUsingStream(String fileName) throws IOException{
    try (Stream<String> streamReader = Files.lines(Paths.get("D://out.txt"))) {

        return streamReader.count();

    } catch (IOException e) {
        e.printStackTrace();
    }
    return 0;
}

}

Answer 1

如果您要问这些类中哪一个是最快的或一般使用最少的内存，则没有答案。这主要取决于您正在执行的任务。以及使用类的方式。

如果您要求最快的方式来 just 对文件中的行进行计数，那么最快的方式将是使用InputStream直接读入ByteBuffer ，然后计算行终止符。这也将占用最少的内存。

这是为什么：

为每行读取生成String的内容都会进行很多不必要的复制，并且会产生大量垃圾。
任何使用Reader的东西都会将字节数据解码为字符数据。其中包括LineNumberReader
如果使用BufferedInputStream并读入较大的byte[]，则实际上是在做自己的（简单）缓冲。您也可以直接使用InputStream。
如果您使用read(byte[])，则是将数据额外复制到byte[]中。

有许多教程可以帮助您了解如何使用ByteBuffer进行快速I / O。例如：

Jenkov.com Java教程中的"Java NIO Buffer"教程页面。

但是...

在涉及大型文件的现实应用程序中，性能瓶颈经常被证明是文件系统和存储设备的性能，或者是处理数据以处理数据的方式……一旦将其存储在内存中。

在您可以使用更高级别的功能并且可以编写和运行基准测试之前，最好避免应用程序的I / O优化。然后，您应该对应用程序进行概要分析，以找出瓶颈所在。最后，优化瓶颈。

除非您真的有经验（而且即使是您也是如此），否则您对于将最佳精力花在哪里的直觉通常是不正确的。

最后，计算文件中行数的最快方法可能是忘记Java并使用标准的本机代码实用程序。例如在Unix / Linux / MacOS上，请使用wc pathname。

Answer 2

备注：最好明确传递可移植文件的编码，因为默认编码可能会有所不同。

从二进制文件数据到Unicode字符串的较早默认编码是平台编码。

较新的Files.lines默认使用UTF-8（欢呼）。

这意味着UTF-8的转换速度较慢，并且由于UTF-8多字节序列需要正确的位格式，因此错误的非ASCII字符容易出错。

通常Files.lines和其他Files.newBufferedReader都足够快。
对于大文件，可以使用ByteBuffer / CharBuffer，这是通过FileChannel进行的内存映射文件。只需在网上搜索。增益不是那么大。

使用（Buffered）InputStream / ByteBuffer进行不转换比转换为文本要快。

Java将（Unicode）文本存储在字符串中，作为char的2字节数组。最新的Java可以将其另存为单字节编码（jvm选项），这样可以节省内存。

可能最好压缩文本，例如压缩Out.txt.gz。用磁盘速度交换CPU。

就内存，处理器，时间而言，BufferInputReader与LineNumberReader与Java Stream之间的最佳文件阅读器是什么？

2 个答案: