c#大文件分割过程

Posted 2020-07-20 yy

需求：

在项目开发中，我们会遇到单个文件大小超过1TB的文件，这样的文件只能进行单文件读取，往往会造成读取完成耗时过长，导致客户在使用体验过程中不满意。

为了解决提升大文件的解析速度，我想到了先分割大文件为小文件，之后进行并行多个文件同时解析入库方案。

那么，怎么才可以把一个大文件分割为多个小文件呢?

如果我按照大小来控制分割出来的小文件，会造成文件的丢失问题，如果按照行数来分割，一行一行进行读取务必会造成分割文件耗时过长。

讨论：如果一个1TB的文件，我们按照大小来控制文件个数，假设每个分割出来的文件大小为200M，这样的话1TB分割出来约5200个文件，这样子的话最多造成约10000行信息被破坏，可以忽略不计。

所以我们为了减少分割文件带来的耗时时间长度，采取分割方案采用定长控制分割出来的文件大小。

• 实现方案1：一次性读取1M，直到读取到200M为止，开始写入下一个分割文件。

 1  using (FileStream readerStream = new FileStream(file, FileMode.Open, FileAccess.Read))
 2             {
 3                 // 如果大于1GB
 4                 using (BinaryReader reader = new BinaryReader(readerStream))
 5                 {
 6                     int fileCursor = 0;
 7                     int readerCursor = 0;
 8                     char[] buffer = new char[1024 * 1024];
 9                     int length = 0;
10 
11                 NextFileBegin:
12                     string filePath = string.Format(splitFileFormat, fileCursor);
13 
14                     Console.WriteLine("开始读取文件【{1}】：{0}", filePath, DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss.fff"));
15                     using (FileStream writerStream = new FileStream(filePath, FileMode.OpenOrCreate, FileAccess.Write))
16                     {
17                         using (BinaryWriter writer = new BinaryWriter(writerStream))
18                         {
19                             while ((length = reader.Read(buffer, 0, buffer.Length)) > 0)
20                             {
21                                 readerCursor++;
22 
23                                 writer.Write(buffer, 0, length);
24 
25                                 if (readerCursor >= splitFileSize)
26                                 {
27                                     Console.WriteLine("结束读取文件【{1}】：{0}", filePath, DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss.fff"));
28 
29                                     readerCursor = 0;
30                                     fileCursor++;
31 
32                                     goto NextFileBegin;
33                                 }
34                             }
35                         }
36                     }
37                 }
38             }

• 实现方案2：一次性读取200M，立即写入分割文件，开始下一个分割文件操作。

 1 using System;
 2 using System.Collections.Generic;
 3 using System.Linq;
 4 using System.Text;
 5 using System.IO;
 6 using System.Configuration;
 7 
 8 namespace BigFileSplitTest
 9 {
10     class Program
11     {
12         static void Main(string[] args)
13         {
14             /*
15              *  <!--是否开启大文件分隔策略-->
16                 <add key="BigFile.Split" value="true"/>
17                 <!--当文件大于这个配置项时就执行文件分隔，单位：GB -->
18                 <add key="BigFile.SplitMinFileSize" value="10" />
19                 <!--当执行文件分割时，每个分隔出来的文件大小，单位：MB -->
20                 <add key="BigFile.SplitFileSize" value="200"/>
21              *  <add key="BigFile.FilePath" value="\\172.x1.xx.xx\文件拷贝\xx\FTP\xx\2016-04-07\x_20160407.txt"/>
22                 <add key="BigFile.FileSilitPathFormate" value="\\172.x1.xx.xx\文件拷贝\liulong\FTP\xx\2016-04-07\x_20160407{0}.txt"/>
23              */
24 
25             string file = ConfigurationManager.AppSettings.Get("BigFile.FilePath");
26             string splitFileFormat = ConfigurationManager.AppSettings.Get("BigFile.FileSilitPathFormate");
27             int splitMinFileSize = Convert.ToInt32(ConfigurationManager.AppSettings.Get("BigFile.SplitMinFileSize")) * 1024 * 1024 * 1204;
28             int splitFileSize = Convert.ToInt32(ConfigurationManager.AppSettings.Get("BigFile.SplitFileSize")) * 1024 * 1024;
29 
30             FileInfo fileInfo = new FileInfo(file);
31             if (fileInfo.Length > splitMinFileSize)
32             {
33                 Console.WriteLine("判定结果：需要分隔文件！");
34             }
35             else
36             {
37                 Console.WriteLine("判定结果：不需要分隔文件！");
38                 Console.ReadKey();
39                 return;
40             }
41 
42             int steps = (int)(fileInfo.Length / splitFileSize);
43             using (FileStream fs = new FileStream(file, FileMode.Open, FileAccess.Read))
44             {
45                 using (BinaryReader br = new BinaryReader(fs))
46                 {
47                     int couter = 1;
48                     bool isReadingComplete = false;
49                     while (!isReadingComplete)
50                     {
51                         string filePath = string.Format(splitFileFormat, couter);
52                         Console.WriteLine("开始读取文件【{1}】：{0}", filePath, DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss.fff"));
53                        
54                         byte[] input = br.ReadBytes(splitFileSize);
55                         using (FileStream writeFs = new FileStream(filePath, FileMode.Create))
56                         {
57                             using (BinaryWriter bw = new BinaryWriter(writeFs))
58                             {
59                                 bw.Write(input);
60                             }
61                         }
62 
63                         isReadingComplete = (input.Length != splitFileSize);
64                         if (!isReadingComplete)
65                         {
66                             couter += 1;
67                         }
68                         Console.WriteLine("完成读取文件【{1}】：{0}", filePath, DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss.fff"));
69                     }
70                 }
71             }
72 
73 
74             Console.WriteLine("分隔完成，请按下任意键结束操作。。。");
75             Console.ReadKey();
76 
77         }
78     }
79 }

从实验结果发现：方案一的性能较方案二的性能约耗时10倍。

具体原因为什么？

请你思考下：

一次性读取1M，直到读取到200M为止，开始写入下一个分割文件。

一次性读取200M，立即写入分割文件，开始下一个分割文件操作。