Блог

У меня есть следующие две реализации чтения csv-файлов, рассматриваемые CSV-файлы не такие большие (5 мегабайт).

Первая реализация использует OpenCSV, вторая использует StringTokenizer.

Первая привела к ошибке нехватки памяти, даже когда я увеличил максимальную память кучи java до 1G (Xmx), хотя реализация StringTokenizer ненадежна, но у меня нет выбора, поскольку мне нужно прочитать csv-файл в память.

Я не понимаю, почему версия OpenCSV потребляет так много памяти, учитывая небольшой размер csv-файла (в нем 200 тысяч строк, но размер файла всего около 5 метров). что делает OpenCSV Reader, для чего требуется так много памяти? Версия StringTokenizer быстро проходит через нее.

вот ошибка, вызванная реализацией OpenCSV:

 Exception in thread "main" java.lang.OutOfMemoryError: GC overhead limit exceeded
    at java.util.Arrays.copyOfRange(Arrays.java:3209)
    at java.lang.String.<init>(String.java:215)
    at java.lang.StringBuilder.toString(StringBuilder.java:430)
    at au.com.bytecode.opencsv.CSVParser.parseLine(Unknown Source)
    at au.com.bytecode.opencsv.CSVParser.parseLineMulti(Unknown Source)
    at au.com.bytecode.opencsv.CSVReader.readNext(Unknown Source)
  

 private List<String[]> parseCSV(File f) {
    List<String[]>res=new Vector<String[]>();
    CSVReader reader=null;
    try{
        reader = new CSVReader(new BufferedReader(new FileReader(f)));
        String [] nextLine;
        while ((nextLine = reader.readNext()) != null) {
            for(int i=0;i<nextLine.length;i  )if(nextLine[i]!=null)nextLine[i]=nextLine[i].trim();
            res.add(nextLine);
        }

    }catch(IOException exp){
        exp.printStackTrace();
    }finally{
        if(reader!=null)try {
            reader.close();
        } catch (IOException ex) {
            Logger.getLogger(DataStream2.class.getName()).log(Level.SEVERE, null, ex);
        }
    }
    return res;

}

 private List<String[]> parseCSV(File f) {
    List<String[]>res=new Vector<String[]>();
    BufferedReader br=null;
    try{
        br = new BufferedReader(new FileReader(f));
        String line =null;
        while((line=br.readLine())!=null){
            StringTokenizer st=new StringTokenizer(",");
            String[]cur=new String[st.countTokens()];
            for(int i=0;i<cur.length;i  ){
                cur[i]=st.nextToken().trim();
            }
            res.add(cur);
        }
    }catch(IOException exp){
        exp.printStackTrace();
     }
    finally{
        if(br!=null)try {
            br.close();
        } catch (IOException ex) {
            Logger.getLogger(DataStream2.class.getName()).log(Level.SEVERE, null, ex);
        }
    }
    return res;
}
  

Возможно, это маловероятно, но я бы предположил, что ваши входные данные могут вызывать ошибку в библиотеке opencsv, возможно, заставляя ее застревать в цикле.

Загрузка для opencsv предоставляет исходный код и библиотеки, поэтому вы должны быть в состоянии отладить код самостоятельно.

Поскольку stacktrace не показывает номера строк для кода opencsv, я бы предположил, что вам нужно будет изменить целевой javac в скрипте сборки, чтобы включить «debug = true», чтобы включить отладочную компиляцию кода.

оказывается, что в версии StringTokenizer есть ошибка, поэтому в обеих версиях не хватает памяти.

Apache Solr использует commons-csv, поэтому я бы рекомендовал попробовать. Solr, использующий его, является большим одобрением.