java io操作中通常采用BufferedReader，BufferedInputStream等帶緩沖的IO類處理大文件，不過java nio中引入了一種基于MappedByteBuffer操作大文件的方式，其讀寫性能極高，本文會(huì)介紹其性能如此高的內(nèi)部實(shí)現(xiàn)原理。

內(nèi)存管理

在深入MappedByteBuffer之前，先看看計(jì)算機(jī)內(nèi)存管理的幾個(gè)術(shù)語：

MMC：CPU的內(nèi)存管理單元。

物理內(nèi)存：即內(nèi)存條的內(nèi)存空間。

虛擬內(nèi)存：計(jì)算機(jī)系統(tǒng)內(nèi)存管理的一種技術(shù)。它使得應(yīng)用程序認(rèn)為它擁有連續(xù)的可用的內(nèi)存（一個(gè)連續(xù)完整的地址空間），而實(shí)際上，它通常是被分隔成多個(gè)物理內(nèi)存碎片，還有部分暫時(shí)存儲(chǔ)在外部磁盤存儲(chǔ)器上，在需要時(shí)進(jìn)行數(shù)據(jù)交換。

頁面文件：操作系統(tǒng)反映構(gòu)建并使用虛擬內(nèi)存的硬盤空間大小而創(chuàng)建的文件，在windows下，即pagefile.sys文件，其存在意味著物理內(nèi)存被占滿后，將暫時(shí)不用的數(shù)據(jù)移動(dòng)到硬盤上。

缺頁中斷：當(dāng)程序試圖訪問已映射在虛擬地址空間中但未被加載至物理內(nèi)存的一個(gè)分頁時(shí)，由MMC發(fā)出的中斷。如果操作系統(tǒng)判斷此次訪問是有效的，則嘗試將相關(guān)的頁從虛擬內(nèi)存文件中載入物理內(nèi)存。

為什么會(huì)有虛擬內(nèi)存和物理內(nèi)存的區(qū)別？
如果正在運(yùn)行的一個(gè)進(jìn)程，它所需的內(nèi)存是有可能大于內(nèi)存條容量之和的，如內(nèi)存條是256M，程序卻要?jiǎng)?chuàng)建一個(gè)2G的數(shù)據(jù)區(qū)，那么所有數(shù)據(jù)不可能都加載到內(nèi)存（物理內(nèi)存），必然有數(shù)據(jù)要放到其他介質(zhì)中（比如硬盤），待進(jìn)程需要訪問那部分?jǐn)?shù)據(jù)時(shí)，再調(diào)度進(jìn)入物理內(nèi)存。

什么是虛擬內(nèi)存地址和物理內(nèi)存地址？
假設(shè)你的計(jì)算機(jī)是32位，那么它的地址總線是32位的，也就是它可以尋址00xFFFFFFFF（4G）的地址空間，但如果你的計(jì)算機(jī)只有256M的物理內(nèi)存0x0x0FFFFFFF（256M），同時(shí)你的進(jìn)程產(chǎn)生了一個(gè)不在這256M地址空間中的地址，那么計(jì)算機(jī)該如何處理呢？回答這個(gè)問題前，先說明計(jì)算機(jī)的內(nèi)存分頁機(jī)制。

計(jì)算機(jī)會(huì)對(duì)虛擬內(nèi)存地址空間（32位為4G）進(jìn)行分頁產(chǎn)生頁（page），對(duì)物理內(nèi)存地址空間（假設(shè)256M）進(jìn)行分頁產(chǎn)生頁幀（page frame），頁和頁幀的大小一樣，所以虛擬內(nèi)存頁的個(gè)數(shù)勢(shì)必要大于物理內(nèi)存頁幀的個(gè)數(shù)。在計(jì)算機(jī)上有一個(gè)頁表（page table），就是映射虛擬內(nèi)存頁到物理內(nèi)存頁的，更確切的說是頁號(hào)到頁幀號(hào)的映射，而且是一對(duì)一的映射。
問題來了，虛擬內(nèi)存頁的個(gè)數(shù) > 物理內(nèi)存頁幀的個(gè)數(shù)，豈不是有些虛擬內(nèi)存頁的地址永遠(yuǎn)沒有對(duì)應(yīng)的物理內(nèi)存地址空間？不是的，操作系統(tǒng)是這樣處理的。操作系統(tǒng)有個(gè)頁面失效（page fault）功能。操作系統(tǒng)找到一個(gè)最少使用的頁幀，使之失效，并把它寫入磁盤，隨后把需要訪問的頁放到頁幀中，并修改頁表中的映射，保證了所有的頁都會(huì)被調(diào)度。

現(xiàn)在來看看什么是虛擬內(nèi)存地址和物理內(nèi)存地址：

虛擬內(nèi)存地址：由頁號(hào)（與頁表中的頁號(hào)關(guān)聯(lián)）和偏移量（頁的小大，即這個(gè)頁能存多少數(shù)據(jù)）組成。

舉個(gè)例子，有一個(gè)虛擬地址它的頁號(hào)是4，偏移量是20，那么他的尋址過程是這樣的：首先到頁表中找到頁號(hào)4對(duì)應(yīng)的頁幀號(hào)（比如為8），如果頁不在內(nèi)存中，則用失效機(jī)制調(diào)入頁，接著把頁幀號(hào)和偏移量傳給MMC組成一個(gè)物理上真正存在的地址，最后就是訪問物理內(nèi)存的數(shù)據(jù)了。

MappedByteBuffer是什么

從繼承結(jié)構(gòu)上看，MappedByteBuffer繼承自ByteBuffer，內(nèi)部維護(hù)了一個(gè)邏輯地址address。

示例

通過MappedByteBuffer讀取文件

map過程

FileChannel提供了map方法把文件映射到虛擬內(nèi)存，通常情況可以映射整個(gè)文件，如果文件比較大，可以進(jìn)行分段映射。

FileChannel中的幾個(gè)變量：MapMode mode：內(nèi)存映像文件訪問的方式，共三種： MapMode.READ_ONLY：只讀，試圖修改得到的緩沖區(qū)將導(dǎo)致拋出異常。 MapMode.READ_WRITE：讀/寫，對(duì)得到的緩沖區(qū)的更改最終將寫入文件；但該更改對(duì)映射到同一文件的其他程序不一定是可見的。 MapMode.PRIVATE：私用，可讀可寫,但是修改的內(nèi)容不會(huì)寫入文件，只是buffer自身的改變，這種能力稱之為”copy on write”。position：文件映射時(shí)的起始位置。allocationGranularity：Memory allocation size for mapping buffers，通過native函數(shù)initIDs初始化。

接下去通過分析源碼，了解一下map過程的內(nèi)部實(shí)現(xiàn)。

通過RandomAccessFile獲取FileChannel。

上述實(shí)現(xiàn)可以看出，由于synchronized ，只有一個(gè)線程能夠初始化FileChannel。

通過FileChannel.map方法，把文件映射到虛擬內(nèi)存，并返回邏輯地址address，實(shí)現(xiàn)如下：

上述代碼可以看出，最終map通過native函數(shù)map0完成文件的映射工作。
1. 如果第一次文件映射導(dǎo)致OOM，則手動(dòng)觸發(fā)垃圾回收，休眠100ms后再次嘗試映射，如果失敗，則拋出異常。
2. 通過newMappedByteBuffer方法初始化MappedByteBuffer實(shí)例，不過其最終返回的是DirectByteBuffer的實(shí)例，實(shí)現(xiàn)如下：

由于FileChannelImpl和DirectByteBuffer不在同一個(gè)包中，所以有權(quán)限訪問問題，通過AccessController類獲取DirectByteBuffer的構(gòu)造器進(jìn)行實(shí)例化。

DirectByteBuffer是MappedByteBuffer的一個(gè)子類，其實(shí)現(xiàn)了對(duì)內(nèi)存的直接操作。

get過程

MappedByteBuffer的get方法最終通過DirectByteBuffer.get方法實(shí)現(xiàn)的。

map0()函數(shù)返回一個(gè)地址address，這樣就無需調(diào)用read或write方法對(duì)文件進(jìn)行讀寫，通過address就能夠操作文件。底層采用unsafe.getByte方法，通過（address + 偏移量）獲取指定內(nèi)存的數(shù)據(jù)。

第一次訪問address所指向的內(nèi)存區(qū)域，導(dǎo)致缺頁中斷，中斷響應(yīng)函數(shù)會(huì)在交換區(qū)中查找相對(duì)應(yīng)的頁面，如果找不到（也就是該文件從來沒有被讀入內(nèi)存的情況），則從硬盤上將文件指定頁讀取到物理內(nèi)存中（非jvm堆內(nèi)存）。

如果在拷貝數(shù)據(jù)時(shí)，發(fā)現(xiàn)物理內(nèi)存不夠用，則會(huì)通過虛擬內(nèi)存機(jī)制（swap）將暫時(shí)不用的物理頁面交換到硬盤的虛擬內(nèi)存中。

性能分析

從代碼層面上看，從硬盤上將文件讀入內(nèi)存，都要經(jīng)過文件系統(tǒng)進(jìn)行數(shù)據(jù)拷貝，并且數(shù)據(jù)拷貝操作是由文件系統(tǒng)和硬件驅(qū)動(dòng)實(shí)現(xiàn)的，理論上來說，拷貝數(shù)據(jù)的效率是一樣的。
但是通過內(nèi)存映射的方法訪問硬盤上的文件，效率要比read和write系統(tǒng)調(diào)用高，這是為什么？

read()是系統(tǒng)調(diào)用，首先將文件從硬盤拷貝到內(nèi)核空間的一個(gè)緩沖區(qū)，再將這些數(shù)據(jù)拷貝到用戶空間，實(shí)際上進(jìn)行了兩次數(shù)據(jù)拷貝；

map()也是系統(tǒng)調(diào)用，但沒有進(jìn)行數(shù)據(jù)拷貝，當(dāng)缺頁中斷發(fā)生時(shí)，直接將文件從硬盤拷貝到用戶空間，只進(jìn)行了一次數(shù)據(jù)拷貝。

所以，采用內(nèi)存映射的讀寫效率要比傳統(tǒng)的read/write性能高。

總結(jié)

MappedByteBuffer使用虛擬內(nèi)存，因此分配(map)的內(nèi)存大小不受JVM的-Xmx參數(shù)限制，但是也是有大小限制的。

如果當(dāng)文件超出1.5G限制時(shí)，可以通過position參數(shù)重新map文件后面的內(nèi)容。

MappedByteBuffer在處理大文件時(shí)的確性能很高，但也存在一些問題，如內(nèi)存占用、文件關(guān)閉不確定，被其打開的文件只有在垃圾回收的才會(huì)被關(guān)閉，而且這個(gè)時(shí)間點(diǎn)是不確定的。
javadoc中也提到：A mapped byte buffer and the file mapping that it represents remain valid until the buffer itself is garbage-collected.*