Java大文本并行計算實現過程解析

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，讀入內存后還要轉成對象，都比較耗時間。

想要提速應當用并行的辦法，用多線程同時讀取和處理數據，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，部分源數據如下：

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

...

期望的結果：

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(集算器內置了并行選項@m，不設置并行數，默認按核數做為并行數)：

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

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

Java大文本并行計算實現過程解析相關教程