快捷導(dǎo)航

Java大文本并行計算實現(xiàn)過程解析

更新時間：2020年06月05日 11:06:52 作者：麋鹿✈

這篇文章主要介紹了Java大文本并行計算如何實現(xiàn),文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下

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(dāng)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(rèn)按核數(shù)做為并行數(shù))：

=file("/workspace/orders.txt").cursor@mt()

=A1.groups(O_CUSTKEY;sum(O_TOTALPRICE):AMOUNT)

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: