Java读写大文本文件（2GB以上）

如下的程序，将一个行数为fileLines的文本文件平均分为splitNum个小文本文件，其中换行符‘r‘是linux上的，windows的java换行符是‘\r\n‘：

1. package kddcup2012.task2.FileSystem;
2. import java.io.BufferedInputStream;
3. import java.io.BufferedReader;
4. import java.io.File;
5. import java.io.FileInputStream;
6. import java.io.FileWriter;
7. import java.io.IOException;
8. import java.io.InputStreamReader;
9. public class FileSplit
10. {
11. public static void main(String[] args) throws IOException
12. {
13. long timer = System.currentTimeMillis();
14. int bufferSize = 20 * 1024 * 1024;//设读取文件的缓存为20MB
15. //建立缓冲文本输入流
16. File file = new File("/media/Data/毕业设计/kdd cup/数据/userid_profile.txt");
17. FileInputStream fileInputStream = new FileInputStream(file);
18. BufferedInputStream bufferedInputStream = new BufferedInputStream(fileInputStream);
19. InputStreamReader inputStreamReader = new InputStreamReader(bufferedInputStream);
20. BufferedReader input = new BufferedReader(inputStreamReader, bufferSize);
21. int splitNum = 112-1;//要分割的块数减一
22. int fileLines = 23669283;//输入文件的行数
23. long perSplitLines = fileLines / splitNum;//每个块的行数
24. for (int i = 0; i <= splitNum; ++i)
25. {
26. //分割
27. //每个块建立一个输出
28. FileWriter output = new FileWriter("/home/haoqiong/part" + i + ".txt");
29. String line = null;
30. //逐行读取，逐行输出
31. for (long lineCounter = 0; lineCounter < perSplitLines && (line = input.readLine()) != null; ++lineCounter)
32. {
33. output.append(line + "\r");
34. }
35. output.flush();
36. output.close();
37. output = null;
38. }
39. input.close();
40. timer = System.currentTimeMillis() - timer;
41. System.out.println("处理时间：" + timer);
42. }
43. }

以上程序处理大文本文件只需要30MB左右的内存空间（这和所设的读取缓冲大小有关），但是速度不是很快，在磁盘没有其他程序占用的情况下，将200MB文件分割为112份需要20秒（机器配置：Centrino2 P7450 CPU，2GB DDR3内存，Ubuntu 11.10系统，硬盘最大读写速度大约60MB/S）。

另外，对于几百兆到2GB大小的文件，使用内存映射文件的话，速度会块一些，但是内存映射由于映射的文件长度不能超过java中int类型的最大值，所以只能处理2GB以下的文件。