熟悉 java 内存机制的同学们来帮我瞅瞅我的内存问题吧。
buptlee · Xiaoxin2009 · 2015-01-12 17:07:14 +08:00 · 3725 次点击这是一个创建于 3596 天前的主题，其中的信息可能已经有所发展或是发生改变。
我的程序要读入一个数据文件，文件的每一行是这样的：
[1001,0.0,2.846335314101648,0.2385266331350405,0.6889106550987336,0.6265634872937542,0.7916442990777731...]
每一行是由逗号分隔的11063个字段，我把读到的每一个字段转换成了float类型。每一行存到一个 ArrayList<Float>里面，一共是11063行，也就是说我存下了一个11063*11063的矩阵，矩阵的每个元素是float类型，所以总的大小应该是11063*11063*4/(1024*1024)=466M
程序读入到1万行的时候就卡住了，查看任务管理器显示内存占用量是3.4G，并且还发生了一个小插曲，当读到4000行的时候卡了20秒，按我的理解可能是在这里数组重新申请了内存，可是有有点疑惑，因为我在程序的最开始是初始化了K_L数组的：
ArrayList<ArrayList<Float>> K_L = new ArrayList<ArrayList<Float>>(12000);
按理来说不会发生类似于rehash这种动作的啊。这只是一个小插曲，我的问题是，为什么计算得到的内存是466M，而实际上用了3.4G都没有读完，并且最后停在了10000行处，就算是有额外的开销，也不至于这么大啊。我的程序非常简单，在数据结构和算法上应该是不能更精简了。我想问问同学们关于我的内存问题。还有就是大家在将这种较大的数据读入到内存中时，有什么好的方案吗，比如redis？我不太了解，只是听人提起过。大家分享下吧，thanks。代码如下。
String each_line = null;
while((each_line = K_L_file_handler.readLine())!=null){
String tokens [] = each_line.split(",");
ArrayList<Float> K_L_item = new ArrayList<Float>();
for(int i = 0 ; i < tokens.length ; i++){
K_L_item.add( Float.parseFloat(tokens[i]));
}
K_L.add(K_L_item);
}
System.out.println("finish initialing the Kullback–Leibler divergence");
 |
1
kaneg 2015-01-12 17:20:53 +08:00  1
以下是我的一点看法：
1. 你这里用的是Float对象，并不是float基本类型，基本类型是4个byte，而一个Float对象则要大得多。每个对象都与一个引用，64位jvm，每个应用要8个字节，加上float本身的存储，就已经是3倍了。索尼你不要用Float，直接用float 2. 其次你使用了ArrayList， 你只初始化了一个维度的长度，另一个维度的没有，那它就需要不断动态调整，这样也有额外的内存消耗。这里你既然已经知道了长度，就应该用数组，不要用ArrayList |
 |
2
buptlee OP @kaneg 可是ArrayList<float> K_L_item = new ArrayList<float>();
ArrayList<ArrayList<float>> K_L = new ArrayList<ArrayList<float>>(12000); 都不被允许啊。 还有就是数组和ArrayList有本质的区别吗，或者说，什么原因使得ArrayList比数组低效了呢？ |
|
3
buptlee OP @kaneg 我其实也是想直接用float的，但是在声明的时候，
ArrayList<float> K_L_item = new ArrayList<float>();会出错，必须要包装类型才可以。 |
|
4
kaneg 2015-01-12 17:32:07 +08:00 1
基本类型是不能用泛型的，所以ArrayList<float>不支持。
数组是Java原生提供的数据结构，ArrayList是一个普通的类，不考虑性能的话，ArrayList是很好用，但考虑性能最好老老实实用数组，除非你不在乎内存消耗 float[][] data = new float[12000][12000]; |
 |
5
songco 2015-01-12 17:33:13 +08:00 1
我记得java有8 byte的object header, 另外你用Float的话, 还有reference的开销. 还有内存对齐的padding, 我记得java对象是按8 byte对齐的. 这些加起来估计比你算的4 byte多很多.
具体的情况还是弄个heap dump看看吧. 这种原始数据如果需要全部加载, 建议用primitive type的多维数组, 或者用c之类的写, 当然如果能根据业务优化一下不要全部加载进来就更好了. |
|
6
buptlee OP @kaneg 我重新写一下程序。用惯了ArrayList，对原生态数组表示有点生疏了，thanks,it's so kind of you.
|
|
7
buptlee OP @songco 嗯，总是被java的内存折磨，看来primitive type数组才是真爱，不该贪图方便一股脑ArrayList。谢谢你。
|
 |
8
mfaner 2015-01-12 17:45:52 +08:00 1
ArrayList<Float> K_L_item = new ArrayList<Float>();
这里也要指定capacity，觉得应该会影响很大 |
 |
9
ericson 2015-01-12 18:17:42 +08:00
也有支持primitve type的高性能集合库:
* [fastutil](http://fastutil.di.unimi.it/) * [OpenHFT](https://github.com/OpenHFT/Koloboke) * [hppc](http://labs.carrotsearch.com/hppc.html) * [trove](http://trove.starlight-systems.com/) |
 |
11
msg7086 2015-01-12 20:53:56 +08:00 via iPhone 1
典型的内存密集型操作，托管语言的短板之一啊。
用C系应该会好得多。 |
|
12
mfaner 2015-01-12 22:20:19 +08:00 1
再来补充下，split方法是正则匹配，而且内部也是一个无参构造的ArrayList。
|
 |
13
coolcfan 2015-01-12 23:05:17 +08:00 1
token那块老老实实indexof或者找个高效的库处理吧。。。
|
 |
14
icespace 2015-01-13 09:32:01 +08:00 1
有两个思路值得考虑
1.使用内存型数据库管理数据 2.使用内存映射文件 |
 |
15
thinkmore 2015-01-13 09:34:09 +08:00 1
数据量过大了,就算你使用基本类型数组提高也不大，当然是肯定有提升的,毕竟ArrayList内部就是使用的基本类型数组罢了，建议你可以一次性读1W行(不一定是1W,找一个比较合理的数据)
|
 |
21
wudikua 2015-01-13 14:08:15 +08:00
你想想为什么array list可以不用管数组的下标限制直接可以无限的add而不抛出out of bound就知道了
|
|
22
icespace 2015-01-14 10:18:01 +08:00
@buptlee MappedByteBuffer , 即利用file chanel（NIO）将文件部分或全部映射到内存中，用来处理大文件。这样，你就可以利用操作系统的功能来间接操作文件，而且避免了文件操作错误。需要注意的是，如果处理4G以上的大文件，你需要使用64位JVM来运行。卤煮请移步http://www.linuxidc.com/Linux/2013-11/92895.htm 。所以这个基本上就是你要的。
|
|
23
icespace 2015-01-14 10:23:06 +08:00
@buptlee 另外的一个思路是使用嵌入型数据库，将文件结构化的导入嵌入型数据库后，数据的存储与缓存就交由它来处理，典型的如BerkeleyDB。这个办法比内存映射文件更加有效是因为你的数据是结构化的，这样你就可以充分利用数据的排序、查找、过滤，其处理速度将会远远超过你自己写代码，而且极大减少debug的时间。你不在需要自己组织庞大的数组结构，也不在需要自己去hash。我想唯一的缺点可能就是程序包会稍微大一点。卤煮，我给你的这两条建议，你还满意么？
|
|
24
buptlee OP 满意到哭啊，多谢大神。
目前在钻研第一个思路。 第二个思路感觉有点复杂，先不尝试了。 thanks so much |
Select Language