JVM抛出java.lang.内存不足错误:堆空间(文件处理)

xa9qqrwz  于 2022-11-07  发布在  Java
关注(0)|答案(5)|浏览(166)

我写了一个文件复制处理器,它获取每个文件的MD5哈希值,将其添加到一个哈希Map中,然后获取所有具有相同哈希值的文件,并将其添加到一个名为dupeList的哈希Map中。

Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
at java.nio.file.Files.read(Unknown Source)
at java.nio.file.Files.readAllBytes(Unknown Source)
at com.embah.FileDupe.Utils.FileUtils.getMD5Hash(FileUtils.java:14)
at com.embah.FileDupe.FileDupe.getDuplicateFiles(FileDupe.java:43)
at com.embah.FileDupe.FileDupe.getDuplicateFiles(FileDupe.java:68)
at ImgHandler.main(ImgHandler.java:14)

我敢肯定这是由于它处理这么多文件的事实,但我不知道一个更好的方式来处理它。我试图让这个工作,这样我就可以筛选通过所有我的孩子的婴儿照片,并删除重复之前,我把他们放在我的外部硬盘驱动器长期存储。感谢大家的帮助!
我的代码

public class FileUtils {
public static String getMD5Hash(String path){
    try {
        byte[] bytes = Files.readAllBytes(Paths.get(path)); //LINE STACK THROWS ERROR
        byte[] hash = MessageDigest.getInstance("MD5").digest(bytes);
        bytes = null;
        String hexHash = DatatypeConverter.printHexBinary(hash);
        hash = null;
        return hexHash;
    } catch(Exception e){
        System.out.println("Having problem with file: " + path);
        return null;
    }
}

public class FileDupe {
public static Map<String, List<String>> getDuplicateFiles(String dirs){
    Map<String, List<String>> allEntrys = new HashMap<>(); //<hash, file loc>
    Map<String, List<String>> dupeEntrys = new HashMap<>();
    File fileDir = new File(dirs);
    if(fileDir.isDirectory()){
        ArrayList<File> nestedFiles = getNestedFiles(fileDir.listFiles());
        File[] fileList = new File[nestedFiles.size()];
        fileList = nestedFiles.toArray(fileList);

        for(File file:fileList){
            String path = file.getAbsolutePath();
            String hash = "";
            if((hash = FileUtils.getMD5Hash(path)) == null)
                continue;
            if(!allEntrys.containsValue(path))
                put(allEntrys, hash, path);
        }
        fileList = null;
    }
    allEntrys.forEach((hash, locs) -> {
        if(locs.size() > 1){
            dupeEntrys.put(hash, locs);
        }
    });
    allEntrys = null;
    return dupeEntrys;
}

public static Map<String, List<String>> getDuplicateFiles(String... dirs){
    ArrayList<Map<String, List<String>>> maps = new ArrayList<Map<String, List<String>>>();
    Map<String, List<String>> dupeMap = new HashMap<>();
    for(String dir : dirs){ //Get all dupe files
        maps.add(getDuplicateFiles(dir));
    }
    for(Map<String, List<String>> map : maps){ //iterate thru each map, and add all items not in the dupemap to it
        dupeMap.putAll(map);
    }
    return dupeMap;
}

protected static ArrayList<File> getNestedFiles(File[] fileDir){
    ArrayList<File> files = new ArrayList<File>();
    return getNestedFiles(fileDir, files);
}

protected static ArrayList<File> getNestedFiles(File[] fileDir, ArrayList<File> allFiles){
    for(File file:fileDir){
        if(file.isDirectory()){
            getNestedFiles(file.listFiles(), allFiles);
        } else {
            allFiles.add(file);
        }
    }
    return allFiles;
}

protected static <KEY, VALUE> void put(Map<KEY, List<VALUE>> map, KEY key, VALUE value) {
    map.compute(key, (s, strings) -> strings == null ? new ArrayList<>() : strings).add(value);
}

public class ImgHandler {
private static Scanner s = new Scanner(System.in);

public static void main(String[] args){
    System.out.print("Please enter locations to scan for dupelicates\nSeperate Location via semi-colon(;)\nLocations: ");
    String[] locList = s.nextLine().split(";");
    Map<String, List<String>> dupes = FileDupe.getDuplicateFiles(locList);
    System.out.println(dupes.size() + " dupes detected!");
    dupes.forEach((hash, locs) -> {
        System.out.println("Hash: " + hash);
        locs.forEach((loc) -> System.out.println("\tLocation: " + loc));
    });
}
zkure5ic

zkure5ic1#

将整个文件读取到字节数组中不仅需要足够的堆空间,而且还限制文件大小最大为Integer.MAX_VALUE * 原则上 *(HotSpot JVM的实际限制甚至要小几个字节)。
最好的解决方案是根本不将数据加载到堆内存中:

public static String getMD5Hash(String path) {
    MessageDigest md;
    try { md = MessageDigest.getInstance("MD5"); }
    catch(NoSuchAlgorithmException ex) {
        System.out.println("FileUtils.getMD5Hash(): "+ex);
        return null;// TODO better error handling
    }
    try(FileChannel fch = FileChannel.open(Paths.get(path), StandardOpenOption.READ)) {
        for(long pos = 0, rem = fch.size(), chunk; rem>pos; pos+=chunk) {
            chunk = Math.min(Integer.MAX_VALUE, rem-pos);
            md.update(fch.map(FileChannel.MapMode.READ_ONLY, pos, chunk));
        }
    } catch(IOException e){
        System.out.println("Having problem with file: " + path);
        return null;// TODO better error handling
    }
    return String.format("%032X", new BigInteger(1, md.digest()));
}

如果底层的MessageDigest实现是纯Java实现,它会将数据从直接缓冲区传输到堆,但这超出了您的职责范围(并且这将是所消耗的堆内存和性能之间的合理权衡)。
上面的方法将处理超过2GiB大小的文件而不会出现问题。

6rqinv9w

6rqinv9w2#

无论FileUtils有什么实现,它都试图读入整个文件来计算哈希值。这是不必要的:通过阅读更小的块来进行计算是可能的。事实上,要求这样做是一种糟糕的设计,而不是简单地读取所需的块(64字节?)。因此,也许你需要使用一个更好的库。

q9yhzks0

q9yhzks03#

你有很多解决方案:
1.不要一次读取所有字节,尽量使用BufferedInputStream,并且每次读取大量字节.但不是所有文件。

try (BufferedInputStream fileInputStream = new BufferedInputStream( 
        Files.newInputStream(Paths.get("your_file_here"), StandardOpenOption.READ))) {

    byte[] buf = new byte[2048];
    int len = 0;
    while((len = fileInputStream.read(buf)) == 2048) {
        // Add this to your calculation
        doSomethingWithBytes(buf);
    }
    doSomethingWithBytes(buf, len); // Do only with the bytes
                                    // read from the file

} catch(IOException ex) {
    ex.printStackTrace();
}

1.使用C/C++来做这样的事情,(嗯,这是不安全的,因为你要自己处理内存)

pbossiut

pbossiut4#

考虑使用Guava:

private final static HashFunction HASH_FUNCTION = Hashing.goodFastHash(32);

   //somewhere later

   final HashCode hash = Files.asByteSource(file).hash(HASH_FUNCTION);

Guava将为您缓冲文件的阅读。

9avjhtql

9avjhtql5#

我在我的Windows机器上有这个java堆空间错误,我花了几个星期在网上搜索解决方案,我试图增加我的-Xmx值更高,但没有成功。我甚至尝试运行我的spring Boot 应用程序与一个参数,以增加堆大小在运行时与命令,如下面一个

mvn spring-boot:run -Dspring-boot.run.jvmArguments="-Xms2048m -Xmx4096m"

但仍然没有成功。直到我发现我运行的是jdk 32位,它的内存大小有限,我不得不卸载32位,安装64位,这为我解决了我的问题。我希望这能帮助有类似问题的人。

相关问题