读取较大的管道​​分隔值时超出了GC开销限制文件

Question

我想解析一个大文件（650万行），但得到了提到的内存不足错误。我使用相同的方法来读取大约50K行的其他文件，并且它工作得很快。这里运行得非常慢，然后失败并出现错误。我最初有2 GB专用于intelliJ，我将其更改为4 GB（-Xmx4000m），然后是6 GB（-Xmx6000m），并且仍然以相同的错误结束。我的电脑只有8 GB内存，所以我不能再做更高的了。有什么建议么？

谢谢！

public static List<UmlsEntry> umlsEntries(Resource resource) throws 
IOException { 
return CharStreams.readLines(new InputStreamReader(resource.getInputStream())).stream().distinct() 
    .map(UmlsParser::toUmlsEntry).collect(Collectors.toList()); 
} 

private static UmlsEntry toUmlsEntry(String line) { 
String[] umlsEntry = line.split("|"); 

return new UmlsEntry(umlsEntry[UNIQUE_IDENTIFIER_FOR_CONCEPT_COLUMN_INDEX], 
    umlsEntry[LANGUAGE_OF_TERM_COLUMN_INDEX], umlsEntry[TERM_STATUS_COLUMN_INDEX], 
    umlsEntry[UNIQUE_IDENTIFIER_FOR_TERM_COLUMN_INDEX], umlsEntry[STRING_TYPE_COLUMN_INDEX], 
    umlsEntry[UNIQUE_IDENTIFIER_FOR_STRING_COLUMN_INDEX], 
    umlsEntry[IS_PREFERRED_STRING_WITHIN_THIS_CONCEPT_COLUMN_INDEX], 
    umlsEntry[UNIQUE_IDENTIFIER_FOR_ATOM_COLUMN_INDEX], umlsEntry[SOURCE_ASSERTED_ATOM_INDENTIFIER_COLUMN_INDEX], 
    umlsEntry[SOURCE_ASSERTED_CONCEPT_IDENTIFIER_COLUMN_INDEX], 
    umlsEntry[SOURCE_ASSERTED_DESCRIPTOR_IDENTIFIER_COLUMN_INDEX], 
    umlsEntry[ABBREVIATED_SOURCE_NAME_COLUMN_IDENTIFIER_COLUMN_INDEX], 
    umlsEntry[ABBREVIATION_FOR_TERM_TYPE_IN_SOURCE_VOCABULARY_COLUMN_INDEX], 
    umlsEntry[MOST_USEFUL_SOURCE_ASSERTED_IDENTIFIER_COLUMN_INDEX], umlsEntry[STRING_COLUMN_INDEX], 
    umlsEntry[SOURCE_RESTRICTION_LEVEL_COLUMN_INDEX], umlsEntry[SUPPRESSIBLE_FLAG_COLUMN_INDEX], 
    umlsEntry[CONTENT_VIEW_FLAG_COLUMN_INDEX]); 
} 

Answer 1

您需要一次处理几行以避免耗尽所有可用内存，因为该文件不适合内存。 CharStreams.readLines混淆不是流。它一次读取所有行并返回一个列表。这不起作用。改为尝试File.lines。我怀疑你也会遇到distinct的问题。它需要跟踪所有线路的所有散列，如果这个气球太远，你可能不得不改变这种策略。哦，如果没有足够的内存来保存结果，则collect也不起作用。那么你可能想写一个新的文件或数据库等等。

下面是如何可以从流式传输文件线，计算不同的条目，并打印各行的MD5一个示例：如果遇到故障检测不同行

Files.lines(FileSystems.getDefault().getPath("/my/file")) 
      .distinct() 
      .map(DigestUtils::md5) 
      .forEach(System.out::println); 

，排序文件IN-先放置，然后只滤出相同的相邻行。