java - 比较二进制数据和逐行字符串哪个更快？

Question

问题

我在这里描述了我的问题的一个非常简化的版本。我有一个巨大的文件(10-50GB)，我需要将其分成数百万个 block 。假设我有某些行包含字符串“SPLITTER”。我需要按这些行分割文件。每个 block 将包含两个 SPLITTER 行之间的文本。

这当然非常简单，实际用例将涉及更复杂的匹配/拆分。

问题

所以我们这里有一个流匹配问题。哪个更有效:将其视为字符串匹配问题，使用缓冲读取器读取行并根据其进行比较和拆分？ - 或 - 将文件视为二进制输入流，将分隔符字符串视为数组 [Byte] 并进行逐字节比较？

在开始实现某些内容之前，我需要获得洞察力。

我正在使用Java。此外，原始输入将从 bz2 中即时解压缩，无论其值(value)如何。

Answer 1

将数据视为原始字节总是会更快。将数据作为字符串获取意味着将其作为字节读取，然后创建新字符串。