Question

我有以下两个读取csv文件的实现，有问题的csv文件不是那么大（5兆字节）。

第一个实现是使用openCSV，第二个是使用stringTokenizer。

第一个导致内存不足错误，即使我将java最大堆内存提升到1G（Xmx），虽然StringTokenizer实现不健壮，但我别无选择，因为我需要将csv文件读入内存

我不明白为什么openCSV版本在csv文件的小尺寸（它有200k行，但只有大约5m文件大小）的情况下会消耗这么多内存。什么是openCSV读者，这需要如此多的内存？ StringTokenizer版本很快就会通过它。

这是openCSV实现抛出的错误：

Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit exceeded
    at java.util.Arrays.copyOfRange(Arrays.java:3209)
    at java.lang.String.<init>(String.java:215)
    at java.lang.StringBuilder.toString(StringBuilder.java:430)
    at au.com.bytecode.opencsv.CSVParser.parseLine(Unknown Source)
    at au.com.bytecode.opencsv.CSVParser.parseLineMulti(Unknown Source)
    at au.com.bytecode.opencsv.CSVReader.readNext(Unknown Source)

private List<String[]> parseCSV(File f) {
    List<String[]>res=new Vector<String[]>();
    CSVReader reader=null;
    try{
        reader = new CSVReader(new BufferedReader(new FileReader(f)));
        String [] nextLine;
        while ((nextLine = reader.readNext()) != null) {
            for(int i=0;i<nextLine.length;i++)if(nextLine[i]!=null)nextLine[i]=nextLine[i].trim();
            res.add(nextLine);
        }

    }catch(IOException exp){
        exp.printStackTrace();
    }finally{
        if(reader!=null)try {
            reader.close();
        } catch (IOException ex) {
            Logger.getLogger(DataStream2.class.getName()).log(Level.SEVERE, null, ex);
        }
    }
    return res;

}

 private List<String[]> parseCSV(File f) {
    List<String[]>res=new Vector<String[]>();
    BufferedReader br=null;
    try{
        br = new BufferedReader(new FileReader(f));
        String line =null;
        while((line=br.readLine())!=null){
            StringTokenizer st=new StringTokenizer(",");
            String[]cur=new String[st.countTokens()];
            for(int i=0;i<cur.length;i++){
                cur[i]=st.nextToken().trim();
            }
            res.add(cur);
        }
    }catch(IOException exp){
        exp.printStackTrace();
     }
    finally{
        if(br!=null)try {
            br.close();
        } catch (IOException ex) {
            Logger.getLogger(DataStream2.class.getName()).log(Level.SEVERE, null, ex);
        }
    }
    return res;
}

Answer 1

不太可能，但我猜你的输入数据可能会触发opencsv库中的一个错误，可能会导致它陷入循环中。

opencsv的下载提供了源代码和库，因此您应该能够自己调试代码。

由于stacktrace没有显示opencsv代码的行号，我猜你需要改变构建脚本中的javac目标以包含“debug = true”，以启用代码的调试编译。

Answer 2

事实证明，StringTokenizer版本有一个错误，因此两个版本都没有内存。

Answer 3

Apache Solr使用commons-csv所以我建议您尝试一下。索尔使用它是一个很大的认可。

在java中读取小CSV文件导致内存不足错误

3 个答案: