簡單提高文本讀取效率，使用BufferedReader是個(gè)不錯(cuò)的選擇。速度最快的方法是MappedByteBuffer，但是，相比BufferedReader而言，效果不是非常明顯。也就是說，后者雖然快，但也快的有限（不要抱有性能提升幾倍的幻想）。

對(duì)于大文本的讀取，性能瓶頸主要在IO，read占時(shí)間多是正常的，硬盤本身就不快，讀入內(nèi)存后還要轉(zhuǎn)成對(duì)象，都比較耗時(shí)間。

想要提速應(yīng)當(dāng)用并行的辦法，用多線程同時(shí)讀取和處理數(shù)據(jù)，但Java寫多線程程序很麻煩，并行分段讀同一個(gè)文件時(shí)還要考慮調(diào)整邊界，也比較麻煩。

比如要這么個(gè)場景：分組匯總每個(gè)客戶的銷售額，部分源數(shù)據(jù)如下：

O_ORDERKEY O_CUSTKEY O_ORDERDATE O_TOTALPRICE10262 RATTC 1996-07-22 14487.010263 ERNSH 1996-07-23 43818.010264 FOLKO 2007-07-24 1101.010265 BLONP 1996-07-25 5528.010266 WARTH 1996-07-26 7719.010267 FRANK 1996-07-29 20858.010268 GROSR 1996-07-30 19887.010269 WHITC 1996-07-31 456.010270 WARTH 1996-08-01 13654.0...

期望的結(jié)果：

Java部分多線程代碼大概要寫成這樣：

...final int DOWN_THREAD_NUM = 8;CountDownLatch doneSignal = new CountDownLatch(DOWN_THREAD_NUM);RandomAccessFile[] outArr = new RandomAccessFile[DOWN_THREAD_NUM];try{long length = new File(OUT_FILE_NAME).length();long numPerThred = length / DOWN_THREAD_NUM;long left = length % DOWN_THREAD_NUM;for (int i = 0; i < DOWN_THREAD_NUM; i++) {outArr[i] = new RandomAccessFile(OUT_FILE_NAME, 'rw');... if (i == DOWN_THREAD_NUM - 1) {new ReadThread(i * numPerThred, (i + 1) * numPerThred + left, outArr[i],keywords,doneSignal).start();...} else {new ReadThread(i * numPerThred, (i + 1) * numPerThred,outArr[i],keywords,doneSignal).start();...}}}...

如果有集算器就簡單多了，它對(duì)Java的多線程進(jìn)行了封裝，提供了對(duì)大文件分段并行的功能，寫起來容易多了，對(duì)人員要求也低。比如上面問題，2行就搞定了(集算器內(nèi)置了并行選項(xiàng)@m，不設(shè)置并行數(shù)，默認(rèn)按核數(shù)做為并行數(shù))：

=file('/workspace/orders.txt').cursor@mt()

=A1.groups(O_CUSTKEY;sum(O_TOTALPRICE):AMOUNT)

以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持好吧啦網(wǎng)。