我们的应用程序需要获取以XML格式(几个文件)呈现的客户端数据，并将其解析为我们的通用XML格式(带有模式的单个文件)。为此，我们使用apache的XMLBeans数据绑定(bind)框架。下面简要描述此过程的步骤。
首先，我们将原始java.io.File对象指向磁盘上的客户端XML文件，并将其加载到集合中。然后，我们遍历此集合，每个文件创建一个apache.xmlbeans.XmlObject。在将所有文件解析为XmlObjects之后，我们创建4个集合，其中包含我们感兴趣的XML文档中的各个对象(很显然，这些不是手工创建的对象，但是我只能描述为创建的“代理”对象由apache的XMLBeans框架)。作为最后一步，我们然后遍历这些集合以生成 XML文档(在内存中)，然后将其保存到磁盘。
对于大多数用例，此过程运行良好，并且在给定'-Xmx1500m'命令行参数时可以轻松地在JVM中运行。但是，当客户端为我们提供“大型数据集”时，就会出现问题。在这种情况下，很大的大小是123Mb的客户端XML分布在7个文件中。这样的数据集导致我们的代码内集合中填充了近40,000个上述“代理对象”。在这些情况下，内存的使用量会不断增加。 我没有任何内存不足异常程序一直挂起，直到发生垃圾回收，释放少量内存，然后程序继续运行，用尽了这个新空间，并重复了这个循环。这些解析 session 目前需要4到5个小时。我们的目标是在一个小时之内解决这个问题。
重要的是要注意，将客户端xml转换为xml所需的计算需要所有xml数据进行交叉引用。因此，我们无法实现顺序解析模型，也无法将此过程批量化为较小的块。
我到目前为止已经尝试过的内容
在每次对数据的请求时，加载所有文件，查找数据并释放对这些对象的引用，而不是将所有123Mb的客户端xml保留在内存中。这似乎确实减少了在此过程中消耗的内存量，但是正如您可以想象的那样，恒定I/O占用的时间量消除了减少内存占用的好处。
我怀疑一个问题是，我们为值(value)123Mb的XML文件以及从这些文档获取的对象集合(使用xpath查询)持有XmlObject []。为了补救，我更改了逻辑，以便直接查询文档而不是查询这些集合。这里的想法是，在任何时候都不会存在4个庞大的列表，其中包含1000个对象中的10个，只有XmlObjects的大集合。这似乎一点都没有改变，在某些情况下，甚至会更大程度地增加内存占用量。
现在紧抓稻草，我认为在写入磁盘之前用于在内存中构建 xml的xmlt_strong的XmlObject太大了，无法与所有客户端数据一起维护。但是，对该对象执行一些sizeOf查询后，发现该对象最大小于10Kb。在了解了XmlBeans如何管理大型DOM对象之后，似乎使用了某种形式的缓冲编写器，因此，可以很好地管理该对象。
所以现在我没主意了。无法使用SAX方法而不是占用大量内存的DOM方法，因为我们一次需要100％的应用程序中的客户端数据，无法推迟请求此数据，直到我们绝对需要它为止，因为转换过程需要大量的循环和磁盘I/O时间不值得节省的内存空间，而且我似乎无法以减少内部java集合占用的空间的方式来构造逻辑。我在这里不走运吗？我是否必须接受是否要将123Mb的xml数据解析为Xml格式，而无法使用1500m内存分配呢？尽管123Mb在我们的领域中是一个大型数据集，但我无法想象其他人再也不必一次处理Gb的数据了。
其他可能重要的信息
最佳答案
我要采用的方法是在两种情况下都使用SAX对文件进行两次传递。
第一遍将把计算中需要的“交叉引用”数据解析为自定义对象，并将其存储为Map。如果“交叉引用”数据很大，那么可以考虑使用分布式缓存(如果您从Map开始，那么Coherence是很自然的选择)。
第二遍将解析文件，检索“交叉引用”数据以根据需要执行计算，然后使用javax.xml.stream API写入输出XML。
关于java - 在Java中使用大型XML DOM时减少内存占用，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/8478053/
我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div
我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看rubyzip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d
类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc
很好奇，就使用rubyonrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提
假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于
作为我的Rails应用程序的一部分，我编写了一个小导入程序，它从我们的LDAP系统中吸取数据并将其塞入一个用户表中。不幸的是，与LDAP相关的代码在遍历我们的32K用户时泄漏了大量内存，我一直无法弄清楚如何解决这个问题。这个问题似乎在某种程度上与LDAP库有关，因为当我删除对LDAP内容的调用时，内存使用情况会很好地稳定下来。此外，不断增加的对象是Net::BER::BerIdentifiedString和Net::BER::BerIdentifiedArray，它们都是LDAP库的一部分。当我运行导入时，内存使用量最终达到超过1GB的峰值。如果问题存在，我需要找到一些方法来更正我的代
我正在尝试使用ruby和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我
关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。
我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t
我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h
