本篇文章給大家分享的是有關(guān)如何讓Java實現(xiàn)大文本并行計算，小編覺得挺實用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。
簡單提高文本讀取效率，使用BufferedReader是個不錯的選擇。速度最快的方法是MappedByteBuffer，但是，相比BufferedReader而言，效果不是非常明顯。也就是說，后者雖然快，但也快的有限（不要抱有性能提升幾倍的幻想）。
對于大文本的讀取，性能瓶頸主要在IO，read占時間多是正常的，硬盤本身就不快，讀入內(nèi)存后還要轉(zhuǎn)成對象，都比較耗時間。
想要提速應(yīng)當用并行的辦法，用多線程同時讀取和處理數(shù)據(jù)，但Java寫多線程程序很麻煩，并行分段讀同一個文件時還要考慮調(diào)整邊界，也比較麻煩。
比如要這么個場景：分組匯總每個客戶的銷售額，部分源數(shù)據(jù)如下：
O_ORDERKEY O_CUSTKEY O_ORDERDATE O_TOTALPRICE 10262 RATTC 1996-07-22 14487.0 10263 ERNSH 1996-07-23 43818.0 10264 FOLKO 2007-07-24 1101.0 10265 BLONP 1996-07-25 5528.0 10266 WARTH 1996-07-26 7719.0 10267 FRANK 1996-07-29 20858.0 10268 GROSR 1996-07-30 19887.0 10269 WHITC 1996-07-31 456.0 10270 WARTH 1996-08-01 13654.0 ... |
期望的結(jié)果：
Java部分多線程代碼大概要寫成這樣：
... final int DOWN_THREAD_NUM = 8; CountDownLatch doneSignal = new CountDownLatch(DOWN_THREAD_NUM); RandomAccessFile[] outArr = new RandomAccessFile[DOWN_THREAD_NUM]; try{ long length = new File(OUT_FILE_NAME).length(); long numPerThred = length / DOWN_THREAD_NUM; long left = length % DOWN_THREAD_NUM; for (int i = 0; i < DOWN_THREAD_NUM; i++) { outArr[i] = new RandomAccessFile(OUT_FILE_NAME, "rw"); ... if (i == DOWN_THREAD_NUM - 1) { new ReadThread(i * numPerThred, (i + 1) * numPerThred + left, outArr[i],keywords,doneSignal).start(); ... } else { new ReadThread(i * numPerThred, (i + 1) * numPerThred,outArr[i],keywords,doneSignal).start(); ... } } } ... |
如果有集算器就簡單多了，它對Java的多線程進行了封裝，提供了對大文件分段并行的功能，寫起來容易多了，對人員要求也低。比如上面問題，2行就搞定了(集算器內(nèi)置了并行選項@m，不設(shè)置并行數(shù)，默認按核數(shù)做為并行數(shù))：
A | |
1 | =file("/workspace/orders.txt").cursor@mt() |
2 | =A1.groups(O_CUSTKEY;sum(O_TOTALPRICE):AMOUNT) |
其實還有很多情況用Java并行處理大文本很麻煩，甚至大文本分組、排序、關(guān)聯(lián)計算等需求，但用集算器SPL卻很簡單。
以上就是如何讓Java實現(xiàn)大文本并行計算，小編相信有部分知識點可能是我們?nèi)粘９ぷ鲿姷交蛴玫降?。希望你能通過這篇文章學(xué)到更多知識。更多詳情敬請關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道。
重慶分公司
重慶分公司
