有趣的Java对象序列化缓存问题-java对象序列化

【51CTO特稿】在这里我们将通过几个有趣的例子，来演示Java对象序列化缓存问题。下面这个程序非常神奇，用了不到4秒的时间就向我的硬盘上输出了1000TB的数据。不要怀疑你看错了，确实是不到4秒时间就输出1000TB的数据，不相信你也可以在你的电脑上运行一下这个程序。如果你的硬盘不够大也不用担心，Java完全可以自己解决硬盘容量问题。这个例子对你的电脑***的要求就是必须有256M以上的内存，并且要设置执行参数为-Xmx256m。相信现在没有谁的电脑内存是不够256M的。

import java.io.*;  
 
public class SuperFastWriter {  
    private static final long TERA_BYTE = 1024L * 1024 * 1024 * 1024;  
    public static void main(String[] args) throws IOException {  
        long bytesWritten = 0;  
        byte[] data = new byte[100 * 1024 * 1024];  
        ObjectOutputStream out = new ObjectOutputStream(  
            new BufferedOutputStream(  
                new FileOutputStream("bigdata.bin")  
            )  
        );  
        long time = System.currentTimeMillis();  
        for (int i = 0; i < 10 * 1024 * 1024; i++) {  
            out.writeObject(data);  
            bytesWritten += data.length;  
        }  
        out.writeObject(null);  
        out.close();  
        time = System.currentTimeMillis() - time;  
        System.out.printf("Wrote %d TB%n", bytesWritten / TERA_BYTE);  
        System.out.println("time = " + time);  
    }  
}

编译之后，我们就可以执行这个程序了。

java -Xmx256m SuperFastWriter

可以看到类似以下的输出

Wrote 1000 TB

time = 3710

你一定会非常奇怪，我用的到底是什么电脑。不仅输出的速度那么快，并且输出的内容完全超出了硬盘容量。每秒钟250 TB，简直是不可思议的事情。

如果到硬盘上看一下输出的文件，会发现文件只有大概150M。这是因为当我们通过ObjectOutputStream输出一个对象的时候，ObjectOutputStream会将该对象保存到一个哈希表中，以后在输出相同的对象，都会只输出指针，不输出内容。同样的事情也发生在读取对象的时候。Java通过该机制达到最小化数据输入和输出的目的。下面的例子就演示了读取的过程。

import java.io.*;  
 
public class SuperFastReader {  
    private static final long TERA_BYTE = 1024L * 1024 * 1024 * 1024;  
    public static void main(String[] args) throws Exception {  
        long bytesRead = 0;  
        ObjectInputStream in = new ObjectInputStream(  
            new BufferedInputStream(  
                new FileInputStream("bigdata.bin")  
            )  
        );  
        long time = System.currentTimeMillis();  
        byte[] data;  
        while ((data = (byte[]) in.readObject()) != null) {  
            bytesRead += data.length;  
        }  
        in.close();  
        time = System.currentTimeMillis() - time;  
        System.out.printf("Read %d TB%n", bytesRead / TERA_BYTE);  
        System.out.println("time = " + time);  
    }  
}

在这个例子中，我们去读取刚才输出的文件。虽然文件只有150M左右，但是实际读取的时候，数据量应该是和写出的一样。程序执行时间只需要几秒时间。类似执行结果是：

Read 1000 TB

time = 2033

前面的例子我们反复的将同一个数组写出到文件中，但是并没有修改数组的内容。下面的例子我们将每次写出内容不同的数组。因为Arrays.fill()的执行效率比较低。所以我们只写出256个大数组。

import java.io.*;  
import java.util.Arrays;  
 
public class ModifiedObjectWriter {  
    public static void main(String[] args) throws IOException {  
        byte[] data = new byte[10 * 1024 * 1024];  
        ObjectOutputStream out = new ObjectOutputStream(  
            new BufferedOutputStream(  
                new FileOutputStream("smalldata.bin")  
            )  
        );  
        for (int i = -128; i < 128; i++) {  
            Arrays.fill(data, (byte) i);  
            out.writeObject(data);  
        }  
        out.writeObject(null);  
        out.close();  
    }  
}

接下来，我们把写出的内容在从文件中读出看看。

import java.io.*;  
 
public class ModifiedObjectReader {  
    public static void main(String[] args) throws Exception {  
        ObjectInputStream in = new ObjectInputStream(  
            new BufferedInputStream(  
                new FileInputStream("smalldata.bin")  
            )  
        );  
        byte[] data;  
        while ((data = (byte[]) in.readObject()) != null) {  
        System.out.println(data[0]);  
        }  
        in.close();  
    }  
}

观察会发现，读出的内容并没有-128, -127, -126等数字，只有-128。这是因为虽然每次我们写出之前都修改了数据的内容，但是依然是原来的数组。Java序列化机制除了***次写出数组内容以外，以后每次只写出一个指针。在读的时候，也就只***次读取到内容为-128的数组，以后每次都根据读取到的指针反复在本地哈希表中读取了。也就是说序列化机制只关心对象是否变化，而不关心内容是否变化。

通过这些提点，我们可以看出序列化的原则是：如果需要重复序列化一个对象，并且两次序列化之间对象的内容会发生改变，那么就要复位输出流。或者每次输出前都重新创建一个对象。

下面我们看一下每次都创建新对象的结果：

public class ModifiedObjectWriter2 {  
    public static void main(String[] args) throws IOException {  
        ObjectOutputStream out = new ObjectOutputStream(  
            new BufferedOutputStream(  
                new FileOutputStream("verylargedata.bin")  
            )  
        );  
        for (int i = -128; i < 128; i++) {  
            byte[] data = new byte[10 * 1024 * 1024];  
            Arrays.fill(data, (byte) i);  
            out.writeObject(data);  
        }  
        out.writeObject(null);  
        out.close();  
    }  
}

当程序运行一会之后，将会提示OutOfMemoryError。这是因为每次对象写出的时候，都会在哈希表中保留一个指针，所以虽然对象已经不再使用了，Java的垃圾回收机制也不会对对象进行回收，要一直等到输出流复位为止。当循环多次执行的时候，创建的对象越来越多，并且没有被及时回收，就会出现OutOfMemoryError问题了。通过观察可以发现，在出现错误之前所产生的文件基本接近于为JVM所分配的内存大小。如果每次输出之后，都复位输出，就可以避免这个问题了。

import java.io.*;  
import java.util.Arrays;  
 
public class ModifiedObjectWriter3 {  
    public static void main(String[] args) throws IOException {  
        ObjectOutputStream out = new ObjectOutputStream(  
            new BufferedOutputStream(  
                new FileOutputStream("verylargedata.bin")  
            )  
        );  
        byte[] data = new byte[10 * 1024 * 1024];  
        for (int i = -128; i < 128; i++) {  
            Arrays.fill(data, (byte) i);  
            out.writeObject(data);  
            out.reset();  
        }  
        out.writeObject(null);  
        out.close();  
    }  
}

不幸的是，复位输出为导致所有的对象都被清理，即使是需要重复输出的对象。
对ObjectOutputStream和ObjectInputStream进行优化设计很大程度上降低了重复数据的输入输出工作，比如字符串。不幸的是，如果不恰当的使用会经常导致OutOfMemoryError错误或者输出数据不完整。

【编辑推荐】