java - 读取大于内存的大文件怎么读？

Question

参考：
    有一个1G大小的一个文件，内存限制大小是10M，有序返回频数最高的50个词，该怎么做？

网上有很多该问题的解决方案，都是用分而治之的思想，提到了遍历整个文件。

那么我的问题是：
如果单纯地逐行读取大文件，算是把1G文件全都加载进内存吗？
或者说是读取大于内存的文件应该怎么读？

Answer 1

在这里内存就像一条管道，逐行读是把1G文件在内存里过一遍而已，10M表示管道的粗细。
所以，逐行读是把1G文件加载进去过内存。

Answer 2

try (BufferedReader in = new BufferedReader(new FileReader(file))) {
    String line;
    while ((line = in.readLine()) != null) {
        // parse line
    }
}

file再大，只要每一行的长度有限，整个文件读完会需要不少的时间，但不会占用太大的内存。

Answer 3

分块读，每读一个块一个结果集，最后对结果集聚合
处理文本的话，知道行数会更好

Answer 4

linux上面有个指令叫做split可以并发快速把大文本分割成小的文件,然后处理就方便了呀,这种算法叫做外排序

Answer 5

内存就好比草稿纸，写满一篇就翻篇。 用过、没用的数据就扔掉了。

简单举例，创建一个变量 buff,设定好它的大小，打开文件流往里填，填满以后查你要的内容，查到就统计到另外一个变量里计数。 然后清空buff,继续之前读取的位置再次装载内容…… 直到读取完毕，统计也就完成了。

Answer 6

针对不同的系统，都会提供一个API来操作大于内存的文件，也就是将文件当做内存来处理：

内存映射

• mmap

• CreateFileMapping