- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我使用其中包含短字符串(10 位数字)的文本文件。文件大小约为1.5Gb,行数达到1亿行。
每天我都会收到另一个文件并需要提取新元素(每天数万个)。
解决我的问题的最佳方法是什么?
我尝试在 ArrayList 中加载数据 - 每个文件大约需要 20 秒,但数组的减法需要永远。
我使用这段代码:
dataNew.removeAll(dataOld);
尝试在 HashSets 中加载数据 - HashSets 的创建是无止境的。与 LinkedHashset 相同。
尝试加载到 ArrayLists 中并仅对其中一个进行排序
Collections.sort(dataNew);
但并没有加快
dataNew.removeAll(dataOld);
内存消耗也相当高 - sort() 仅以 15Gb 的堆完成(13Gb 是不够的)。
我尝试使用旧的好 linux util diff,它在 76 分钟内完成了任务(同时消耗 8Gb 的 RAM)。
因此,我的目标是在 1 小时的处理时间内(当然或更短)并消耗 15Gb(或更好的 8-10Gb)来解决 Java 中的问题。
有什么建议吗?也许我不需要 ArrayList 的字母排序,而是其他东西?
更新:这是一份全国范围内的无效护照 list 。它作为全局列表发布,因此我需要自己提取增量。
数据未排序,每一行都是唯一的。所以我必须将 100M 元素与 100M 元素进行比较。数据线例如为“2404,107263”。无法转换为整数。
有趣的是,当我将最大堆大小增加到 16Gb 时
java -Xms5G -Xmx16G -jar utils.jar
加载到 HashSet 变得很快(第一个文件 50 秒),但是程序被系统内存不足 killer 杀死,因为它在将第二个文件加载到第二个 HashSet 或 ArrayList 时消耗了大量 RAM
我的代码很简单:
List<String> setL = Files.readAllLines(Paths.get("filename"));
HashSet<String> dataNew = new HashSet<>(setL);
程序获取第二个文件
杀了
[1408341.392872] 内存不足:杀死进程 20538 (java) 得分 489 或牺牲子进程[1408341.392874] 终止进程 20531 (java) total-vm:20177160kB, anon-rss:16074268kB, file-rss:0kB
更新 2:
感谢您的所有想法!
最终解决方案是:将行转换为 Long + 使用 fastutil 库 (LongOpenHashSet)
RAM 消耗量变为 3.6Gb,处理时间仅为 40 秒!
有趣的观察。当使用默认设置启动 java 时,将 1 亿个字符串加载到 JDK 的 native HashSet 是无休止的(我在 1 小时后中断),从 -Xmx16G 开始将过程加速到 1 分钟。但是内存消耗很荒谬(大约 20Gb),处理速度相当不错 - 2 分钟。
如果有人不受 RAM 的限制,原生 JDK HashSet 在速度方面并没有那么差。
附注也许这项任务没有明确解释,但我看不到任何不完全加载至少一个文件的机会。因此,我怀疑内存消耗能否进一步降低很多。
最佳答案
首先,不要执行 Files.readAllLines(Paths.get("filename"))
然后将所有内容传递给 Set
,它拥有不必要的巨大数据量。尽量始终保持尽可能少的线条。
逐行阅读文件并边读边处理。这会立即大大减少您的内存使用量。
Set<String> oldData = new HashSet<>();
try (BufferedReader reader = Files.newBufferedReader(Paths.get("oldData"))) {
for (String line = reader.readLine(); line != null; line = reader.readLine()) {
// process your line, maybe add to the Set for the old data?
oldData.add(line);
}
}
Set<String> newData = new HashSet<>();
try (BufferedReader reader = Files.newBufferedReader(Paths.get("newData"))) {
for (String line = reader.readLine(); line != null; line = reader.readLine()) {
// Is it enough just to remove from old data so that you'll end up with only the difference between old and new?
boolean oldRemoved = oldData.remove(line);
if (!oldRemoved) {
newData.add(line);
}
}
}
您最终会得到两个集合,分别只包含旧数据集中存在的数据或新数据集中存在的数据。
其次,如果可能的话,尝试预先调整容器的大小。当它们达到其容量时,它们的大小(通常)会翻倍,这可能会在处理大型集合时产生大量开销。
此外,如果您的数据是数字,您可以只使用 long
并保存它而不是尝试保存 String
的实例吗?有很多集合库可以让你做到这一点,例如Koloboke、HPPC、HPPC-RT、GS Collections、fastutil、Trove。即使是它们的 Objects
集合也可能为您提供很好的服务,因为标准的 HashSet
有很多不必要的对象分配。
关于java - 在处理具有 1 亿个元素的 ArrayList 时提高速度和内存消耗,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32602055/
我正在编写一个具有以下签名的 Java 方法。 void Logger(Method method, Object[] args); 如果一个方法(例如 ABC() )调用此方法 Logger,它应该
我是 Java 新手。 我的问题是我的 Java 程序找不到我试图用作的图像文件一个 JButton。 (目前这段代码什么也没做,因为我只是得到了想要的外观第一的)。这是我的主课 代码: packag
好的,今天我在接受采访,我已经编写 Java 代码多年了。采访中说“Java 垃圾收集是一个棘手的问题,我有几个 friend 一直在努力弄清楚。你在这方面做得怎么样?”。她是想骗我吗?还是我的一生都
我的 friend 给了我一个谜语让我解开。它是这样的: There are 100 people. Each one of them, in his turn, does the following
如果我将使用 Java 5 代码的应用程序编译成字节码,生成的 .class 文件是否能够在 Java 1.4 下运行? 如果后者可以工作并且我正在尝试在我的 Java 1.4 应用程序中使用 Jav
有关于why Java doesn't support unsigned types的问题以及一些关于处理无符号类型的问题。我做了一些搜索,似乎 Scala 也不支持无符号数据类型。限制是Java和S
我只是想知道在一个 java 版本中生成的字节码是否可以在其他 java 版本上运行 最佳答案 通常,字节码无需修改即可在 较新 版本的 Java 上运行。它不会在旧版本上运行,除非您使用特殊参数 (
我有一个关于在命令提示符下执行 java 程序的基本问题。 在某些机器上我们需要指定 -cp 。 (类路径)同时执行java程序 (test为java文件名与.class文件存在于同一目录下) jav
我已经阅读 StackOverflow 有一段时间了,现在我才鼓起勇气提出问题。我今年 20 岁,目前在我的家乡(罗马尼亚克卢日-纳波卡)就读 IT 大学。足以介绍:D。 基本上,我有一家提供簿记应用
我有 public JSONObject parseXML(String xml) { JSONObject jsonObject = XML.toJSONObject(xml); r
我已经在 Java 中实现了带有动态类型的简单解释语言。不幸的是我遇到了以下问题。测试时如下代码: def main() { def ks = Map[[1, 2]].keySet()
一直提示输入 1 到 10 的数字 - 结果应将 st、rd、th 和 nd 添加到数字中。编写一个程序,提示用户输入 1 到 10 之间的任意整数,然后以序数形式显示该整数并附加后缀。 public
我有这个 DownloadFile.java 并按预期下载该文件: import java.io.*; import java.net.URL; public class DownloadFile {
我想在 GUI 上添加延迟。我放置了 2 个 for 循环,然后重新绘制了一个标签,但这 2 个 for 循环一个接一个地执行,并且标签被重新绘制到最后一个。 我能做什么? for(int i=0;
我正在对对象 Student 的列表项进行一些测试,但是我更喜欢在 java 类对象中创建硬编码列表,然后从那里提取数据,而不是连接到数据库并在结果集中选择记录。然而,自从我这样做以来已经很长时间了,
我知道对象创建分为三个部分: 声明 实例化 初始化 classA{} classB extends classA{} classA obj = new classB(1,1); 实例化 它必须使用
我有兴趣使用 GPRS 构建车辆跟踪系统。但是,我有一些问题要问以前做过此操作的人: GPRS 是最好的技术吗?人们意识到任何问题吗? 我计划使用 Java/Java EE - 有更好的技术吗? 如果
我可以通过递归方法反转数组,例如:数组={1,2,3,4,5} 数组结果={5,4,3,2,1}但我的结果是相同的数组,我不知道为什么,请帮助我。 public class Recursion { p
有这样的标准方式吗? 包括 Java源代码-测试代码- Ant 或 Maven联合单元持续集成(可能是巡航控制)ClearCase 版本控制工具部署到应用服务器 最后我希望有一个自动构建和集成环境。
我什至不知道这是否可能,我非常怀疑它是否可能,但如果可以,您能告诉我怎么做吗?我只是想知道如何从打印机打印一些文本。 有什么想法吗? 最佳答案 这里有更简单的事情。 import javax.swin
我是一名优秀的程序员,十分优秀!