如何在多线程模式下读取文件？

Question

我目前有一个程序在单线程模式下读取文件(非常大)并创建搜索索引,但在单线程环境中索引需要很长时间.

现在我试图让它在多线程模式下工作,但不确定实现它的最佳方法.

我的主程序创建一个缓冲的读取器并将实例传递给线程,线程使用缓冲的读取器实例来读取文件.

我不认为这可以按预期工作,而是每个线程一次又一次地读同一行.

有没有办法让线程只读取其他线程无法读取的行？我需要拆分文件吗？有没有办法在不拆分文件的情况下实现这个？

样本主程序:

import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.util.ArrayList;

public class TestMTFile {
    public static void main(String args[]) {
        BufferedReader reader = null;
        ArrayList<Thread> threads = new ArrayList<Thread>();
        try {
            reader = new BufferedReader(new FileReader(
                    "test.tsv"));
        } catch (FileNotFoundException e1) {
            e1.printStackTrace();
        }
        for (int i = 0; i <= 10; i++) {
            Runnable task = new ReadFileMT(reader);
            Thread worker = new Thread(task);
            // We can set the name of the thread
            worker.setName(String.valueOf(i));
            // Start the thread, never call method run() direct
            worker.start();
            // Remember the thread for later usage
            threads.add(worker);
        }

        int running = 0;
        int runner1 = 0;
        int runner2 = 0;
        do {
            running = 0;
            for (Thread thread : threads) {
                if (thread.isAlive()) {
                    runner1 = running++;
                }
            }
            if (runner2 != runner1) {
                runner2 = runner1;
                System.out.println("We have " + runner2 + " running threads. ");

            }
        } while (running > 0);

        if (running == 0) {
            System.out.println("Ended");
        }
    }
}

线:

import java.io.BufferedReader;
import java.io.IOException;

public class ReadFileMT implements Runnable {
    BufferedReader bReader = null;

    ReadFileMT(BufferedReader reader) {
        this.bReader = reader;
    }

    public synchronized void run() {
        String line;
        try {
            while ((line = bReader.readLine()) != null) {

                try {
                    System.out.println(line);
                } catch (Exception e) {

                }
            }
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }
}

Answer 1

您的瓶颈很可能是索引,而不是文件读取.假设你的索引系统支持多个线程,你可能想要一个生产者/消费者设置,其中一个线程读取文件并将每一行推入BlockingQueue(生产者),多个线程从BlockingQueue中拉出线并将它们推入索引(消费者).

Answer 2

看到这个线程 - 如果你的文件都在同一个磁盘上,那么用一个线程读取它们就不会做得更好,尽管一旦你将它们读入主存储器就可以处理多个线程的文件.