调整JavaTM 的I/O性能
这篇文章讨论并举例阐述了提高JavaTM I/O性能的多种技术。绝大多数技术是围绕着磁盘文件I/O的调整来谈 的，但是，有些技术对网络I/O和视窗输出也同样适用。首先介绍的技术包含底层I/O问题，然后对诸如压 缩、格式化和序列化这样的高层I/O进行讨论。但是，请注意，本讨论不涉及应用设计问题， 搜索算法和数 据结构的选择，也不讨论类似文件高速缓存(file caching)这样的系统级问题。
当讨论Java I/O时，Java编程语言所假定的两种不同的磁盘文件组织是没有任何意义的。这两种磁盘文件组 织，一种基于字节流，另一种基于字符序列。在 Java语言中，一个字符使用两个字节表示，而不是象C语言 那样使用一个字节表示一个字符。正因为如此，从文件中读取字符时需要一些转换。在某些情况下，这样的 区别非常重要，我们将用几个例子对此进行说明。
底层I/O问题
简介
加速I/O的基本规则
缓冲
读/写文本文件
格式化的开销
随机存储
高层I/O问题
压缩
高速缓存
标志化(Tokenization)
序列化(Serialization)
获取文件信息
更多的信息
加速I/O的基本规则
作为开始讨论的一种方法，下面列出了加速I/O的一些基本规则：
1.避免访问磁盘
2.避免访问下面的操作系统
3.避免方法调用
4.避免对字节和字符的单独处理
显然，这些规则不能被全面而严格地应用，因为如果那样的话，I/O就不可能工作了。但是，为了查看规则是 如何被应用的，就考虑下面的三个例子，这些例子计算一个文件中换行符('\n')的数目。
方法一：读取的方法
第一个方法简单地利用一个文件输入流(FileInputStream)上的读方法：
import java.io.*;
public class intro1 {
public static void main(String args[]) {
if (args.length != 1) {
System.err.println("missing filename");
System.exit(1);
}
try {
FileInputStream fis =
new FileInputStream(args[0]);
int cnt = 0;
int b;
while ((b = fis.read()) != -1) {
if (b == '\n')
cnt++;
}
fis.close();
System.out.println(cnt);
}
catch (IOException e) {
System.err.println(e);
}
}
}
然而，这个方法触发了大量对底层运行系统的调用，这就是FileInputStream.read， 返回文件下一个字节的本 机方法。
方法二：采用一个大缓冲区
第二种方法通过采用一个大缓冲区，避免了上述问题：
import java.io.*;
public class intro2 {
public static void main(String args[]) {
if (args.length != 1) {
System.err.println("missing filename");
System.exit(1);
}
try {
FileInputStream fis =
new FileInputStream(args[0]);
BufferedInputStream bis =
new BufferedInputStream(fis);
int cnt = 0;
int b;
while ((b = bis.read()) != -1) {
if (b == '\n')
cnt++;
}
bis.close();
System.out.println(cnt);
}
catch (IOException e) {
System.err.println(e);
}
}
}
BufferedInputStream.read从输入缓冲区中获取下一个字节，极少访问底层系统。
方法三：直接缓冲(Direct Buffering)
第三种方法避免使用缓冲的输入流(BufferedInputStream)，而直接进行缓冲，因此避免了读取方法的调用：
import java.io.*;
public class intro3 {
public static void main(String args[]) {
if (args.length != 1) {
System.err.println("missing filename");
System.exit(1);
}
try {
FileInputStream fis =
new FileInputStream(args[0]);
byte buf[] = new byte[2048];
int cnt = 0;
int n;
while ((n = fis.read(buf)) != -1) {
for (int i = 0; i < n; i++) {
if (buf[i] == '\n')
cnt++;
}
}
fis.close();
System.out.println(cnt);
}
catch (IOException e) {
System.err.println(e);
}
}
}
对于1MB的输入文件，以秒为单位，各个程序的执行时间为：
intro1 6.9
intro2 0.9
intro3 0.4
或者，在最快和最慢之间存在一个17比1的差距。
这巨大的加速性能并没有必然地证明，应该总是效仿第三种方法，因为此方法中需要自己进行缓冲。如果事 先没有进行仔细的实现，这样的方法可能容易造成错误，特别是在处理文件结束 (end-of-file)事件时。它 也可能在可读性上比其他的方法差。但是，记住时间都花费到什么地方去了，记住在需要时如何纠正是很有 用的。
对绝大多数应用程序而言，方法二可能是正确的选择。
缓冲
方法二和方法三使用了缓冲技术，其中，文件中的一整块从磁盘中读取出来，然后再一 次一个字节或者字符 地进行访问。缓冲是加速I/O的一种基本和重要的技术，而且许多Java类都支持缓冲(BufferedInputStream用于 字节，BufferedReader用于字符)。
一个明显的问题是：是否缓冲区越大就能够使I/O越快呢？Java缓冲区典型的缺省值是1024或者2048个字节。 大于此值的缓冲区可能能够帮助加速I/O，但通常只有几个百分点，即5%到10%。
方法四：整个文件
这个极端的例子需要确定文件的长度，然后将整个文件读取到缓冲区中。
import java.io.*;
public class readfile {
public static void main(String args[]) {
if (args.length != 1) {
System.err.println("missing filename");
System.exit(1);
}
try {
int len = (int)(new File(args[0]).length());
FileInputStream fis =
new FileInputStream(args[0]);
byte buf[] = new byte[len];
fis.read(buf);
fis.close();
int cnt = 0;
for (int i = 0; i < len; i++) {
if (buf[i] == '\n')
cnt++;
}
System.out.println(cnt);
}
catch (IOException e) {
System.err.println(e);
}
}
}
这种方法很方便，因为文件可以被当作字节数组来对待。但是，一个明显的问题是可能没有足够的内存来读 取一个非常大的文件。
缓冲的另一方面涉及到终端窗口的文本输出。缺省情况下，System.out(一 个打印流——PrintStream)是行缓 冲的，也就是说，当遇到一个换行符时输出队列被清空。对于交互式应用来说，这是很重要的，阅赡芟不 对谑导适输入前，有一个输入提示符。
方法五：禁止行缓冲
但是行缓冲可以被禁止，正如下面例子中所示的：
import java.io.*;
public class bufout {
public static void main(String args[]) {
FileOutputStream fdout =
new FileOutputStream(FileDescriptor.out);
BufferedOutputStream bos =
new BufferedOutputStream(fdout, 1024);
PrintStream ps =
new PrintStream(bos, false);
System.setOut(ps);
final int N = 100000;
for (int i = 1; i <= N; i++)
System.out.println(i);
ps.close();
}
}
该程序输出整数1至100000，并且比使用行缓冲的程序快三倍。 缓冲也是下面几个例子之一的一个重要部分，其中缓冲区被用来加速对随机文件的访问。
读/写文本文件
先前提及的一个想法是，在从文件中读取字符时，方法调用的系统开销非常可观。这种情况的另一个例子可 以在这样一个程序中找到，该程序计算一个文本文件的行数。
import java.io.*;
public class line1 {
public static void main(String args[]) {
if (args.length != 1) {
System.err.println("missing filename");
System.exit(1);
}
try {
FileInputStream fis =
new FileInputStream(args[0]);
BufferedInputStream bis =
new BufferedInputStream(fis);
DataInputStream dis =
new DataInputStream(bis);
int cnt = 0;
while (dis.readLine() != null)
cnt++;
dis.close();
System.out.println(cnt);
}
catch (IOException e) {
System.err.println(e);
}
}
}
这个程序使用老版本的DataInputStream.readLine方法，该方法的实现是通过使用读取方法调用来获得每个字 符。一个更新的方法是：
import java.io.*;
public class line2 {
public static void main(String args[]) {
if (args.length != 1) {
System.err.println("missing filename");
System.exit(1);
}
try {
FileReader fr = new FileReader(args[0]);
BufferedReader br = new BufferedReader(fr);
int cnt = 0;
while (br.readLine() != null)
cnt++;
br.close();
System.out.println(cnt);
}
catch (IOException e) {
System.err.println(e);
}
}
}
这种方法能够快一些。例如，对于6MB字节200,000行的文本文件，第二个程序比第一个大约快20%。
但是，即使是第二个程序，也并不够快，这里有一个重要问题值得注意。第一个程序在Javatm 2编译器上会 导致一个严厉的警告，这是因为DataInputStream.readLine太陈旧了，不能正确地将字节转换为字符，并且也不 是操作某些包含有非ASCII字节文本文件的恰当选 择，（请注意，Java语言使用Unicode字符集，而不是 ASCII字符集）。
前面提到的字节流和字符流的不同，在下列程序中产生了效果：
import java.io.*;
public class conv1 {
public static void main(String args[]) {
try {
FileOutputStream fos =
new FileOutputStream("out1");
PrintStream ps =
new PrintStream(fos);
ps.println("\uffff\u4321\u1234");
ps.close();
}
catch (IOException e) {
System.err.println(e);
}
}
}
写入一个输出文件，但没有保留实际输出的Unicode字符。读/写I/O类是基于字符的，并且是设计用来解决这 个问题的。在OutputStreamWriter中，薪辛舜幼址蜃纸诘谋嗦胱弧?
使用PrintWriter输出Unicode字符的程序看上去象这样：
import java.io.*;
public class conv2 {
public static void main(String args[]) {
try {
FileOutputStream fos =
new FileOutputStream("out2");
OutputStreamWriter osw =
new OutputStreamWriter(fos, "UTF8");
PrintWriter pw = new PrintWriter(osw);
pw.println("\uffff\u4321\u1234");
pw.close();
}
catch (IOException e) {
System.err.println(e);
}
}
}
本程序使用了UTF8编码，它将ASCII编码为其本身，其他字符编码为两个或者三个字节。
