用Java比较文件

我正在为PACKT创建一系列有关Java网络编程的视频教程。有整节关于Java NIO。一个示例程序是通过原始套接字连接将文件从客户端复制到服务器。客户端从磁盘读取文件，服务器将到达的字节保存到磁盘。因为这是一个演示，所以服务器和客户端在同一台计算机上运行，并且文件从一个目录复制到完全相同的目录，但名称不同。布丁的证明正在吃掉：文件必须进行比较。

我要复制的文件已创建为包含随机字节。仅传输文本信息有时会在代码中留下一些棘手的错误。随机文件是使用简单的Java类创建的：

package packt.java9.network.niodemo;import java.io.FileOutputStream;
import java.io.IOException;
import java.util.Random;public class SampleMaker {public static void main(String[] args) throws IOException {byte[] buffer = new byte[1024 * 1024 * 10];try (FileOutputStream fos = new FileOutputStream("sample.txt")) {Random random = new Random();for (int i = 0; i < 16; i++) {random.nextBytes(buffer);fos.write(buffer);}}}
}

使用IntelliJ比较文件相当容易，但是由于文件是二进制文件且很大，因此这种方法并不是真正的最佳选择。我决定编写一个简短的程序，该程序不仅可以表明文件不同，还可以表明不同之处。代码非常简单：

package packt.java9.network.niodemo;import java.io.BufferedInputStream;
import java.io.FileInputStream;
import java.io.IOException;public class SampleCompare {public static void main(String[] args) throws IOException {long start = System.nanoTime();BufferedInputStream fis1 = new BufferedInputStream(new FileInputStream("sample.txt"));BufferedInputStream fis2 = new BufferedInputStream(new FileInputStream("sample-copy.txt"));int b1 = 0, b2 = 0, pos = 1;while (b1 != -1 && b2 != -1) {if (b1 != b2) {System.out.println("Files differ at position " + pos);}pos++;b1 = fis1.read();b2 = fis2.read();}if (b1 != b2) {System.out.println("Files have different length");} else {System.out.println("Files are identical, you can delete one of them.");}fis1.close();fis2.close();long end = System.nanoTime();System.out.print("Execution time: " + (end - start)/1000000 + "ms");}
}

在装有SSD的Mac Book上，比较这两个160MB文件的运行时间约为6秒，如果我指定一个较大的缓冲区（例如10MB）作为BufferedInputStream构造函数的第二个参数，则运行时间不会显着改善。（另一方面，如果我们不使用BufferedInputStream那么时间大约是十倍。）这是可以接受的，但是如果我只是diff sample.txt sample-copy.txt发出diff sample.txt sample-copy.txt ，那么响应明显更快，而不是6秒。可能有很多事情，例如Java启动时间， while循环开始时的代码解释，直到JIT编译器认为是开始工作的时候。我的直觉是，代码会花费大部分时间将文件读入内存。将字节读取到缓冲区是一个复杂的过程。它涉及操作系统，设备驱动程序，JVM实现，它们将字节从一个位置移到另一位置，最后我们只比较字节，没有别的。可以用更简单的方式完成。我们可以要求操作系统为我们做这件事，并跳过大多数Java运行时活动，文件缓冲区和其他闪烁。

我们可以要求操作系统将文件读取到内存中，然后从它们所在的位置逐个读取字节。我们不需要一个缓冲区，该缓冲区属于Java对象，并且会占用堆空间。我们可以使用内存映射文件。毕竟，内存映射文件使用Java NIO，而这正是当前正在制作的教程视频部分的主题。

操作系统将内存映射文件读入内存，并且字节可供Java程序使用。内存是由操作系统分配的，它不会消耗堆内存。如果Java代码修改了映射内存的内容，则操作系统会在认为适当时以优化方式将更改写入磁盘。但是，这并不意味着如果JVM崩溃，数据就会丢失。当Java代码修改内存映射文件的内存时，它将修改属于操作系统的内存，该内存在JVM停止运行后可用并且有效。无法保证并100％防止电源中断和硬件崩溃，但这是非常低的水平。如果有人对此感到恐惧，那么保护应该在Java无关的硬件级别上进行。使用内存映射文件，我们可以确保将数据以一定的非常高的概率保存到磁盘中，只有通过容错硬件，群集，不间断电源等才能增加数据。这些不是Java。如果确实需要使用Java进行某些操作才能将数据写入磁盘，则可以调用MappedByteBuffer.force()方法，该方法要求操作系统将更改写入磁盘。但是，过于频繁和不必要地调用它可能会影响性能。（很简单，因为它会将数据写入磁盘，并且仅在操作系统提示已写入数据时才返回。）

对于大文件，使用内存映射文件读取和写入数据通常要快得多。为了获得适当的性能，计算机应该有大量的内存，否则，只有部分文件保留在内存中，然后页面错误会增加。一件好事是，如果同一文件通过两个或多个不同的进程映射到内存中，则将使用同一内存区域。这样，进程甚至可以相互通信。

使用内存映射文件的比较应用程序如下：

package packt.java9.network.niodemo;import java.io.IOException;
import java.io.RandomAccessFile;
import java.nio.ByteBuffer;
import java.nio.channels.FileChannel;public class MapCompare {public static void main(String[] args) throws IOException {long start = System.nanoTime();FileChannel ch1 = new RandomAccessFile("sample.txt", "r").getChannel();FileChannel ch2 = new RandomAccessFile("sample-copy.txt", "r").getChannel();if (ch1.size() != ch2.size()) {System.out.println("Files have different length");return;}long size = ch1.size();ByteBuffer m1 = ch1.map(FileChannel.MapMode.READ_ONLY, 0L, size);ByteBuffer m2 = ch2.map(FileChannel.MapMode.READ_ONLY, 0L, size);for (int pos = 0; pos < size; pos++) {if (m1.get(pos) != m2.get(pos)) {System.out.println("Files differ at position " + pos);return;}}System.out.println("Files are identical, you can delete one of them.");long end = System.nanoTime();System.out.print("Execution time: " + (end - start) / 1000000 + "ms");}
}

为了对文件进行内存映射，我们必须首先使用RandomAccessFile类打开它们，然后从该对象中请求通道。该通道可用于创建MappedByteBuffer ，它表示文件内容加载到的存储区。该方法map中的示例映射在只读模式的文件，从该文件的文件的末尾的开始。我们尝试映射整个文件。仅当文件大小不超过2GB时，此方法才有效。起始位置很long但是要映射的区域的大小受Integer大小的限制。

通常来说...哦，是的，比较160MB随机内容文件的运行时间约为1秒。