前言

我最近在优化我的PDF转word的开源小工具，有时候会遇到一个问题，就是如果我的PDF文件比较大，几百兆，如何更快更节省内存的读取它。于是我分析对比了四种常见的读取文件的方式，并使用javaVisualVM工具进行了分析。最后得出的结论是commons-io时间和空间都更加的高效。研究分析依然来自哪位baeldung国外大佬。

下面我会给出几种常见的读取大文件的方式。

读取大文件的四种方式

首先我自己在本地压缩了一个文件夹，大概500M左右。虽然不是很大但是，相对还可以。

方法1：Guava读取

Stringpath="G:\java书籍及工具.zip";Files.readLines(newFile(path),Charsets.UTF_8);

使用guava读取比较简单，一行代码就搞定了。

下面去jdk的bin目录找到javaVisualVM工具，然后双击运行即可。

从上图可以看到：

时间消耗：20秒

堆内存：最高2.5G

CPU消耗：最高50%

我们一个500M的文件，堆内存最高竟然2.5G，如果我们读取一个2G的文件，可能我们的电脑直接死机了就。

方式2：Apache Commons IO普通方式

Stringpath="G:\java书籍及工具.zip";FileUtils.readLines(newFile(path),Charsets.UTF_8);

这种方式也比较简单，同样是一行代码。下面运行，也分析一波：

从上图可以看到：

时间消耗：17秒

堆内存：最高2.5G

CPU消耗：最高50%，平稳运行25%左右

这种方式和上面那种基本上消耗差不多，肯定不是我想要的。

方式3：java文件流

FileInputStreaminputStream=null;Scannersc=null;try{inputStream=newFileInputStream(path);sc=newScanner(inputStream,"UTF-8");while(sc.hasNextLine()){Stringline=sc.nextLine();//System.out.println(line);}if(sc.ioException()!=null){throwsc.ioException();}}finally{if(inputStream!=null){inputStream.close();}if(sc!=null){sc.close();}}

这种方式其实就是java中最常见的方式，然后我们运行分析一波：

从上图可以看到：

时间消耗：32秒，增加了一倍

堆内存：最高1G，少了一半

CPU消耗：平稳运行25%左右

这种方式确实很优秀，但是时间上开销更大。

方式4：Apache Commons IO流

LineIteratorit=FileUtils.lineIterator(newFile(path),"UTF-8");try{while(it.hasNext()){Stringline=it.nextLine();}}finally{LineIterator.closeQuietly(it);}

这种方式代码看起来比较简单，所以直接运行一波吧：

从上图可以看到：

时间消耗：16秒，最低

堆内存：最高650M，少了一半

CPU消耗：平稳运行25%左右

OK，就它了，牛。

结论

通过以上的分析，我们可以得出一个结论，如果我们想要读取一个大文件，选择了错误的方式，就有可能极大地占用我的内存和CPU，当文件特别大时，会造成意向不到的问题。

因此为了去解决这样的问题，有四种常见的读取大文件的方式。通过分析对比，发现，Apache Commons IO流是最高效的一种方式。