- xml - AJAX/Jquery XML 解析
- 具有多重继承的 XML 模式
- .net - 枚举序列化 Json 与 XML
- XML 简单类型、简单内容、复杂类型、复杂内容
我有一个应用程序可以定期读取大量 XML 文件(大约 20-30 个),比如每 10 分钟一次。现在每个 XML 文件的大小可以近似为至少 40-100 MB。一旦读取了每个 XML,就会从文件中创建一个映射,然后将映射传递给处理器链 (10-15),每个处理器使用数据、执行一些过滤器或写入数据库等。
现在应用程序在 32 位 JVM 中运行。现在无意迁移到 64 位 JVM。正如预期的那样,内存占用非常高……接近 32 位 JVM 的阈值。现在,当我们接收大文件时,我们将生成的映射序列化到磁盘中,并同时运行最多 3-4 个映射的处理器链,就好像我们试图同时处理所有映射一样,很容易出现内存不足。垃圾回收率也很高。
我有一些想法,但想看看是否有一些人们已经尝试/评估过的选项。那么,这里有哪些用于扩展此类应用程序的选项?
最佳答案
是的,模仿@aaray 和@MeBigFatGuy,您想为此使用一些基于事件的解析器,提到的 dom4j,或 SAX 或 StAX。
举个简单的例子,如果您批量加载 100MB 的 XML,它至少会消耗 200MB 的 RAM,因为每个字符都会立即扩展为 16 位字符。
接下来,您未使用的任何元素标签都会消耗额外的内存(加上节点的所有其他行李和簿记)并且全部浪费掉。如果您正在处理数字,如果数字大于 2 位数字,则将原始字符串转换为长字符串将是一个净赢。
如果(这是一个很大的如果)您正在使用大量相当小的字符串集,您可以通过 String.intern()'ing 来节省一些内存。这是一个规范化过程,可确保该字符串是否已存在于 jvm 中,并且是共享的。这样做的缺点是它会污染你的 permgen(一次实习,永远实习)。 PermGen 非常有限,但另一方面它几乎不受 GC 的影响。
您是否考虑过能够通过外部 XSLT 运行 XML,以在它进入您的 JVM 之前删除所有您不想处理的垃圾?有几个独立的命令行 XSL 处理器,您可以使用它们将文件预处理为可能更合理的文件。这实际上取决于您实际使用的数据量。
通过使用基于事件的 XML 处理模型,XSLT 步骤几乎是多余的。但是基于事件的模型基本上都不好用,所以也许使用 XSLT 步骤会让您重新使用一些现有的 DOM 逻辑(假设这就是您正在做的事情)。
您的内部结构越扁平,它们在内存方面的成本就越低。运行 32b 虚拟机实际上有一点优势,因为实例指针的大小只有它的一半。但是,当您谈论 1000 个或数百万个节点时,所有节点都会加起来,而且速度很快。
关于java - 缩放读取大型 XML 文件的应用程序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7369135/
今天我在一个 Java 应用程序中看到了几种不同的加载文件的方法。 文件:/ 文件:// 文件:/// 这三个 URL 开头有什么区别?使用它们的首选方式是什么? 非常感谢 斯特凡 最佳答案 file
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the he
我有一个 javascript 文件,并且在该方法中有一个“测试”方法,我喜欢调用 C# 函数。 c# 函数与 javascript 文件不在同一文件中。 它位于 .cs 文件中。那么我该如何管理 j
需要检查我使用的文件/目录的权限 //filePath = path of file/directory access denied by user ( in windows ) File fil
我在一个目录中有很多 java 文件,我想在我的 Intellij 项目中使用它。但是我不想每次开始一个新项目时都将 java 文件复制到我的项目中。 我知道我可以在 Visual Studio 和
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a software
我有 3 个组件的 Twig 文件: 文件 1: {# content-here #} 文件 2: {{ title-here }} {# content-here #}
我得到了 mod_ldap.c 和 mod_authnz_ldap.c 文件。我需要使用 Linux 命令的 mod_ldap.so 和 mod_authnz_ldap.so 文件。 最佳答案 从 c
我想使用PIE在我的项目中使用 IE7。 但是我不明白的是,我只能在网络服务器上使用 .htc 文件吗? 我可以在没有网络服务器的情况下通过浏览器加载的本地页面中使用它吗? 我在 PIE 的文档中看到
我在 CI 管道中考虑这一点,我应该首先构建和测试我的应用程序,结果应该是一个 docker 镜像。 我想知道使用构建环境在构建服务器上构建然后运行测试是否更常见。也许为此使用构建脚本。最后只需将 j
using namespace std; struct WebSites { string siteName; int rank; string getSiteName() {
我是 Linux 新手,目前正在尝试使用 ginkgo USB-CAN 接口(interface) 的 API 编程功能。为了使用 C++ 对 API 进行编程,他们提供了库文件,其中包含三个带有 .
我刚学C语言,在实现一个程序时遇到了问题将 test.txt 文件作为程序的输入。 test.txt 文件的内容是: 1 30 30 40 50 60 2 40 30 50 60 60 3 30 20
如何连接两个tcpdump文件,使一个流量在文件中出现一个接一个?具体来说,我想“乘以”一个 tcpdump 文件,这样所有的 session 将一个接一个地按顺序重复几次。 最佳答案 mergeca
我有一个名为 input.MP4 的文件,它已损坏。它来自闭路电视摄像机。我什么都试过了,ffmpeg , VLC 转换,没有运气。但是,我使用了 mediainfo和 exiftool并提取以下信息
我想做什么? 我想提取 ISO 文件并编辑其中的文件,然后将其重新打包回 ISO 文件。 (正如你已经读过的) 我为什么要这样做? 我想开始修改 PSP ISO,为此我必须使用游戏资源、 Assets
给定一个 gzip 文件 Z,如果我将其解压缩为 Z',有什么办法可以重新压缩它以恢复完全相同的 gzip 文件 Z?在粗略阅读了 DEFLATE 格式后,我猜不会,因为任何给定的文件都可能在 DEF
我必须从数据库向我的邮件 ID 发送一封带有附件的邮件。 EXEC msdb.dbo.sp_send_dbmail @profile_name = 'Adventure Works Admin
我有一个大的 M4B 文件和一个 CUE 文件。我想将其拆分为多个 M4B 文件,或将其拆分为多个 MP3 文件(以前首选)。 我想在命令行中执行此操作(OS X,但如果需要可以使用 Linux),而
快速提问。我有一个没有实现文件的类的项目。 然后在 AppDelegate 我有: #import "AppDelegate.h" #import "SomeClass.h" @interface A
我是一名优秀的程序员,十分优秀!