首先
创建一个Bean用来存贮要得到的信
public class MonitorInfoBean {
/** 可使用内存. */
private long totalMemory
/** 剩余内存. */
private long freeMemory
/** 最大可使用内存. */
private long maxMemory
/** 操作系统. */
private String osName
/** 总的物理内存. */
private long totalMemorySize
/** 剩余的物理内存. */
private long freePhysicalMemorySize
/** 已使用的物理内存. */
private long usedMemory
/** 线程总数. */
private int totalThread
/** cpu使用率. */
private double cpuRatio
public long getFreeMemory() {
return freeMemory
}
public void setFreeMemory(long freeMemory) {
this.freeMemory = freeMemory
}
public long getFreePhysicalMemorySize() {
return freePhysicalMemorySize
}
public void setFreePhysicalMemorySize(long freePhysicalMemorySize) {
this.freePhysicalMemorySize = freePhysicalMemorySize
}
public long getMaxMemory() {
return maxMemory
}
public void setMaxMemory(long maxMemory) {
this.maxMemory = maxMemory
}
public String getOsName() {
return osName
}
public void setOsName(String osName) {
this.osName = osName
}
public long getTotalMemory() {
return totalMemory
}
public void setTotalMemory(long totalMemory) {
this.totalMemory = totalMemory
}
public long getTotalMemorySize() {
return totalMemorySize
}
public void setTotalMemorySize(long totalMemorySize) {
this.totalMemorySize = totalMemorySize
}
public int getTotalThread() {
return totalThread
}
public void setTotalThread(int totalThread) {
this.totalThread = totalThread
}
public long getUsedMemory() {
return usedMemory
}
public void setUsedMemory(long usedMemory) {
this.usedMemory = usedMemory
}
public double getCpuRatio() {
return cpuRatio
}
public void setCpuRatio(double cpuRatio) {
this.cpuRatio = cpuRatio
}
}
之后，建立bean的接口
public interface IMonitorService {
public MonitorInfoBean getMonitorInfoBean() throws Exception
}
然后，就是最关键的，得到cpu的利用率，已用内存，可用内存，最大内存等信息。
import java.io.InputStreamReader
import java.io.LineNumberReader
import sun.management.ManagementFactory
import com.sun.management.OperatingSystemMXBean
import java.io.*
import java.util.StringTokenizer
/**
* 获取系统信息的业务逻辑实现类.
* @author GuoHuang
*/
public class MonitorServiceImpl implements IMonitorService {
private static final int CPUTIME = 30
private static final int PERCENT = 100
private static final int FAULTLENGTH = 10
private static final File versionFile = new File("/proc/version")
private static String linuxVersion = null
/**
* 获得当前的监控对象.
* @return 返回构造好的监控对象
* @throws Exception
* @author GuoHuang
*/
public MonitorInfoBean getMonitorInfoBean() throws Exception {
int kb = 1024
// 可使用内存
long totalMemory = Runtime.getRuntime().totalMemory() / kb
// 剩余内存
long freeMemory = Runtime.getRuntime().freeMemory() / kb
// 最大可使用内存
long maxMemory = Runtime.getRuntime().maxMemory() / kb
OperatingSystemMXBean osmxb = (OperatingSystemMXBean) ManagementFactory
.getOperatingSystemMXBean()
// 操作系统
String osName = System.getProperty("os.name")
// 总的物理内存
long totalMemorySize = osmxb.getTotalPhysicalMemorySize() / kb
// 剩余的物理内存
long freePhysicalMemorySize = osmxb.getFreePhysicalMemorySize() / kb
// 已使用的物理内存
long usedMemory = (osmxb.getTotalPhysicalMemorySize() - osmxb
.getFreePhysicalMemorySize())
/ kb
// 获得线程总数
ThreadGroup parentThread
for (parentThread = Thread.currentThread().getThreadGroup()parentThread
.getParent() != nullparentThread = parentThread.getParent())
int totalThread = parentThread.activeCount()
double cpuRatio = 0
if (osName.toLowerCase().startsWith("windows")) {
cpuRatio = this.getCpuRatioForWindows()
}
else {
cpuRatio = this.getCpuRateForLinux()
}
// 构造返回对象
MonitorInfoBean infoBean = new MonitorInfoBean()
infoBean.setFreeMemory(freeMemory)
infoBean.setFreePhysicalMemorySize(freePhysicalMemorySize)
infoBean.setMaxMemory(maxMemory)
infoBean.setOsName(osName)
infoBean.setTotalMemory(totalMemory)
infoBean.setTotalMemorySize(totalMemorySize)
infoBean.setTotalThread(totalThread)
infoBean.setUsedMemory(usedMemory)
infoBean.setCpuRatio(cpuRatio)
return infoBean
}
private static double getCpuRateForLinux(){
InputStream is = null
InputStreamReader isr = null
BufferedReader brStat = null
StringTokenizer tokenStat = null
try{
System.out.println("Get usage rate of CUP , linux version: "+linuxVersion)
Process process = Runtime.getRuntime().exec("top -b -n 1")
is = process.getInputStream()
isr = new InputStreamReader(is)
brStat = new BufferedReader(isr)
if(linuxVersion.equals("2.4")){
brStat.readLine()
brStat.readLine()
brStat.readLine()
brStat.readLine()
tokenStat = new StringTokenizer(brStat.readLine())
tokenStat.nextToken()
tokenStat.nextToken()
String user = tokenStat.nextToken()
tokenStat.nextToken()
String system = tokenStat.nextToken()
tokenStat.nextToken()
String nice = tokenStat.nextToken()
System.out.println(user+" , "+system+" , "+nice)
user = user.substring(0,user.indexOf("%"))
system = system.substring(0,system.indexOf("%"))
nice = nice.substring(0,nice.indexOf("%"))
float userUsage = new Float(user).floatValue()
float systemUsage = new Float(system).floatValue()
float niceUsage = new Float(nice).floatValue()
return (userUsage+systemUsage+niceUsage)/100
}else{
brStat.readLine()
brStat.readLine()
tokenStat = new StringTokenizer(brStat.readLine())
tokenStat.nextToken()
tokenStat.nextToken()
tokenStat.nextToken()
tokenStat.nextToken()
tokenStat.nextToken()
tokenStat.nextToken()
tokenStat.nextToken()
String cpuUsage = tokenStat.nextToken()
System.out.println("CPU idle : "+cpuUsage)
Float usage = new Float(cpuUsage.substring(0,cpuUsage.indexOf("%")))
return (1-usage.floatValue()/100)
}
} catch(IOException ioe){
System.out.println(ioe.getMessage())
freeResource(is, isr, brStat)
return 1
} finally{
freeResource(is, isr, brStat)
}
}
1、传统的在内存中读取
读取文件行的标准方式是在内存中读取，Guava 和Apache Commons IO都提供了如下所示快速读取文件行的方法：
这种方法带来的问题是文件的所有行都被存放在内存中，当文件足够大时很快就会导致程序抛出OutOfMemoryError 异常。
例如：读取一个大约1G的文件：
这种方式开始时只占用很少的内存：（大约消耗了0Mb内存）
然而，当文件全部读到内存中后，我们最后可以看到（大约消耗了2GB内存）：
这意味这一过程大约耗费了2.1GB的内存——原因很简单：现在文件的所有行都被存储在内存中。
把文件所有的内容都放在内存中很快会耗尽可用内存——不论实际可用内存有多大，这点是显而易见的。
此外，我们通常不需要把文件的所有行一次性地放入内存中——相反，我们只需要遍历文件的每一行，然后做相应的处理，处理完之后把它扔掉。所以，这正是我们将要做的——通过行迭代，而不是把所有行都放在内存中。
2、文件流
现在让我们看下这种解决方案——我们将使用Java.util.Scanner类扫描文件的内容，一行一行连续地读取：
这种方案将会遍历文件中的所有行——允许对每一行进行处理，而不保持对它的引用。总之没有把它们存放在内存中：（大约消耗了150MB内存）
3、Apache Commons IO流
同样也可以使用Commons IO库实现，利用该库提供的自定义LineIterator:
由于整个文件不是全部存放在内存中，这也就导致相当保守的内存消耗：（大约消耗了150MB内存）
4、结论
这篇短文介绍了如何在不重复读取与不耗尽内存的情况下处理大文件——这为大文件的处理提供了一个有用的解决办法。
