Java 如何使用staxapi处理大型XML文件(9gb)
在处理大文件时,我总是遇到堆内存问题 这是我的密码Java 如何使用staxapi处理大型XML文件(9gb),java,xml,io,stream,stax,Java,Xml,Io,Stream,Stax,在处理大文件时,我总是遇到堆内存问题 这是我的密码 XMLInputFactory inputFactory = XMLInputFactory.newInstance(); InputStream in = new FileInputStream(sourcePath); XMLEventReader eventReader = inputFactory.createXMLEventReader(in);
XMLInputFactory inputFactory = XMLInputFactory.newInstance();
InputStream in = new FileInputStream(sourcePath);
XMLEventReader eventReader = inputFactory.createXMLEventReader(in);
Map<String, Cmt> mapCmt = new ConcurrentHashMap<String, Cmt>();
while (eventReader.hasNext()) {
XMLEvent event = eventReader.nextEvent();
if (event.isStartElement()) {
//some processing and assigning value to map
Cmt cmt = new Cmt();
//get attributes
cmt.setDetails(attribute.getValue());
mapCmt.put(someKey,cmt);
}
}
XMLInputFactory inputFactory=XMLInputFactory.newInstance();
InputStream in=新文件InputStream(sourcePath);
XMLEventReader eventReader=inputFactory.createXMLEventReader(在中);
Map mapCmt=新的ConcurrentHashMap();
while(eventReader.hasNext()){
XMLEvent=eventReader.nextEvent();
if(event.isStartElement()){
//对地图的一些处理和赋值
Cmt Cmt=新的Cmt();
//获取属性
setDetails(attribute.getValue());
mapCmt.put(someKey,cmt);
}
}
一段时间后,我在迭代中遇到堆内存问题。
请帮我写优化的代码
注意:服务器有可用的3 GB堆空间。我无法增加服务器空间。
我使用以下参数执行--Xms1024m-Xmx3g
我的xml看起来像这样
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<DatosAbonados xmlns="http://www.cnmc.es/DatosAbonados">
<DatosAbonado Operacion="1" FechaExtraccion="2015-10-08">
<Titular>
<PersonaJuridica DocIdentificacionJuridica="A84619488" RazonSocial="HERMANOS ROJAS" NombreComercial="PINTURAS ROJAS"/>
</Titular>
<Domicilio Escalera=" " Piso=" " Puerta=" " TipoVia="AVENIDA" NombreVia="MANOTERAS" NumeroCalle="10" Portal=" " CodigoPostal="28050" Poblacion="Madrid" Provincia="28"/>
<NumeracionAbonado>
<Rangos NumeroDesde="211188600" NumeroHasta="211188699" ConsentimientoGuias-Consulta="1" VentaDirecta-Publicidad="1" ModoPago="1">
<Operador RazonSocial="11888 SERVICIO CONSULTA TELEFONICA S.A." DocIdentificacionJuridica="A83519389"/>
</Rangos>
</NumeracionAbonado>
</DatosAbonado>
<DatosAbonado Operacion="1" FechaExtraccion="2015-10-08">
<Titular>
<PersonaJuridica DocIdentificacionJuridica="A84619489" RazonSocial="HERMANOS RUBIO" NombreComercial="RUBIO PELUQUERIAS"/>
</Titular>
<Domicilio Escalera=" " Piso=" " Puerta=" " TipoVia="AVENIDA" NombreVia="BURGOS" NumeroCalle="18" Portal=" " CodigoPostal="28036" Poblacion="Madrid" Provincia="28"/>
<NumeracionAbonado>
<Rangos NumeroDesde="211186000" NumeroHasta="211186099" ConsentimientoGuias-Consulta="1" VentaDirecta-Publicidad="1" ModoPago="1">
<Operador RazonSocial="11888 SERVICIO CONSULTA TELEFONICA S.A." DocIdentificacionJuridica="A83519389"/>
</Rangos>
</NumeracionAbonado>
</DatosAbonado>
</DatosAbonados>
我的Cmt课程是:
public class Cmt {
private List<DetailInfo> details;
public List<DetailInfo> getDetails() {
return details;
}
public void setDetails(DetailInfo detail) {
if(details == null){
details = new ArrayList<DetailInfo>();
}
this.details.add(detail);
}
}
公共类Cmt{
私人名单详情;
公共列表getDetails(){
退货详情;
}
公共无效集合详细信息(详细信息详细信息){
如果(详细信息==null){
详细信息=新的ArrayList();
}
this.details.add(details);
}
}
实际上Cmt对象很少,但我有详细信息对象
每一个元素。如此大量的DetailInfo对象
创造
我的逻辑是:
if (startElement.getName().getLocalPart().equals("DatosAbonado")) {
detailInfo = new DetailInfo();
Iterator<Attribute> attributes = startElement.getAttributes();
while (attributes.hasNext()) {
Attribute attribute = attributes.next();
if(attribute.getName().toString().equals("Operacion")){
detailInfo.setOperacion(attribute.getValue());
}
}
}
if (event.isEndElement()) {
EndElement endElement = event.asEndElement();
if (endElement.getName().getLocalPart().equals("DatosAbonado")) {
Cmt cmt = null;
if(mapCmt.keySet().contains(identificador)){
cmt = mapCmt.get(identificador);
} else{
cmt = new Cmt();
}
cmt.setDetails(detailInfo);
mapCmt.put(identificador, cmt);
}
}
if(startElement.getName().getLocalPart().equals(“DatosAbonado”)){
detailInfo=新的detailInfo();
迭代器属性=startElement.getAttributes();
while(attributes.hasNext()){
Attribute=attributes.next();
if(attribute.getName().toString().equals(“操作”)){
setOperation(attribute.getValue());
}
}
}
if(event.isEndElement()){
EndElement EndElement=event.asEndElement();
如果(endElement.getName().getLocalPart().equals(“DatosAbonado”)){
Cmt-Cmt=null;
if(mapCmt.keySet()包含(identificator)){
cmt=mapCmt.get(identificator);
}否则{
cmt=新的cmt();
}
cmt.setDetails(详细信息);
mapCmt.put(identificator,cmt);
}
}
问题的根源很可能是:
mapCmt.put(someKey, cmt);
您正在用大量的Cmt
对象填充hashmap。您需要执行以下操作之一:
- 立即处理数据,而不是将其保存在数据结构中
- 将数据写入数据库,以便以后查询
- 增加堆大小
- 为您的数据找出一种“内存不足”的表示形式
不过,最后两种方法无法扩展。随着您增加输入文件的大小,您将需要越来越多的内存。。。直到你最终超过执行平台的内存容量。达托萨博纳多确实是杀手。如果您有大量的'm,这将导致您的应用程序阻塞 这种方法根本无法扩展。正如Stephan C所指出的,您需要在DatosAbonnado到达时对其进行处理,而不是将其收集到容器中 由于这是我为其开发LDX+代码生成器的典型场景,因此我进行了以下步骤:
- 使用以下方法从XML创建XML架构文件(因为您没有提供):
- 使用LDX+生成代码
- 将complexElements序列化为Java对象
- 配置如何在运行时处理1对多关系(如此处的关系)
这种方法确实可以很好地扩展(内存消耗是平的)在这个过程中您创建了多少
Cmt
对象?可能太多了,无法放入可用内存…您没有显示所有内容:属性从何而来?您在mapCmt中存储了多少个Cmt对象,它们有多大?另外,为每个start元素事件创建一个Cmt似乎很奇怪。@laune这里我写了一些伪代码。创建的Cmt对象很少,但Cmt对象包含为每个对象创建的另一个对象的列表。@wero这里我编写了一种伪代码。创建的Cmt对象非常少,但Cmt对象包含为每个元素创建的另一个对象的列表。如果您要发布有关DatosAbonado的确切详细信息,以及您在存储的列表元素中存储的内容,则可以提供建议。XML看起来非常冗余,即这两个
有很多共同点。这将导致巨大的内存浪费。即使是String.intern也可能会减少内存。创建的Cmt对象很少,但Cmt对象包含为每个对象创建的另一个对象的列表。请检查更新的问题。这不会实质性地改变我的诊断,或者可能的解决方案。我的下一个方法是你的第二点,因为我认为我没有其他选择。谢谢你的宝贵建议。@Bunty如果你有兴趣,请快速研究一下“ETL”和“数据仓库”。这基本上是两者结合的第一步;从源和“sta”中提取数据