Castor + gros fichier XML = java.lang.StackOverflowError

Version imprimable

21/03/2008, 15h03
spooon

Castor + gros fichier XML = java.lang.StackOverflowError

Salut à tous !

Voici mon problème.
Je travaille sur un projet qui nécessite d'instancier des objets java à partir de fichiers XML. Castor fait exactement ça.

Ma situation est assez simple.

J'utilise d'abord Castor pour créer un fichier XML : test.xml en faisant du marshalling(sérialisation) d'un objet Person (celui des exemples du site de castor).
Ensuite, je fais l'inverse, et j'unmarshall (désérialise) test.xml pour récupérer un deuxième objet Person. Les deux sont identiques => Ok.

Le fichier test.xml généré par le Marshaller :
<person>
<name>Ryan</name>
<date-of-birth>2000-10-10T00:00:00.000+02:00</date-of-birth>
</person>
Ça semble Ok.

Mais j'ai besoin de désérialiser de GROS fichiers XML (~1Go) dans un environnement de production.
Donc, j'ajoute des gros nodes à mon fichier test.xml généré plus haut, jusqu'à ce que celui-ci fasse 1Go.
La structure du fichier reste la même :
<person>
<movement>.....</movement>
// pleins de nodes <movement> ici
<name>Ryan</name>
<date-of-birth>2000-10-10T00:00:00.000+02:00</date-of-birth>
</person>

Quand je désérialise ce fichier de 1Go, j'attrape l'exception :
Exception in thread "Main Thread" java.lang.StackOverflowError
at org.exolab.castor.xml.Namespaces.getNamespaceURI(Namespaces.java:206)
...

Je n'utilise pas de fichier de mapping.
paramètres JVM :
-Xmx1024m.
-Taille de la JVM au moment du crash: 70Mo ~

Fichiers attachés :
Person.java : L'objet Person vers lequel désérialiser
TestIt.java : La classe de test
test.xml : Fichier généré par la sérialisation de l'objet Person, que j'ai ensuite désérialisé. Tout est Ok avec ce fichier.
112.xml : Fichier test.xml auquel j'ai ajouté un node <movement>. désérialisation Ok
Lorsque mon fichier 112.xml fait 1Go (en gros quand j'ajoute un bon paquet de nodes <movement> les uns derrière les autres, impossible de désérialiser :(

Quelqu'un peut m'aider ou connait un outil permettant de faire de la désérialisation de gros fichier tel que celui-là ? ?
25/03/2008, 17h55
spooon

Une petite idée ? Personne ?
Une aide serait vraiment très appréçiée.
Merci :)
27/03/2008, 11h35
JeitEmgie

Citation:

Envoyé par spooon

Une petite idée ? Personne ?
Une aide serait vraiment très appréçiée.
Merci :)

Un Parser SAX peut aider…

mais tout dépend de la taille des "unités/chunks" qu'il faut traiter…
(même avec un parser SAX si vous vous amusez à reconstruire tout l'arbre en mémoire vous pouvez retomber sur le problème du out-of-memory…)

1 Gb peut-être un gros objet (une "unité") de 1 Gb ou des milliers de petits objets traitables séparément…

à vous d'analyser l'empreinte minimum de votre code : quel est le nombre d'objets inter-reliés qu'il faut traiter en même temps (garder ensemble en mémoire) avant de pouvoir les oublier et passer au groupe suivant…
(si vous ne pouvez pas séparer le traitement logique du fichier en lots, vous aurez de toute façon le problème - plus ou moins loin dans le traitement - quel que soit le type de parser…)

c'est ce qui déterminera la taille mémoire minimum nécessaire à allouer au process… et si cela excéde ce que vous pouvez allouer sur votre plate-forme, c'est qu'il faut passer à autre chose…
27/03/2008, 11h46
spooon

Je comprend tout à fait !
Cela voudrait dire qu'ici, mon unité <person> est trop grosse, ce qui n'est pas le cas de mes entités dans mon environnement de production, où les entité pouvant être traités de façon unitaire font moins de 1Mo, mais son en très grand nombre dans le fichier XML.

Actuellement, mon application tourne avec une librairie Castor 0.9.7.
le fonctionnement est le suivant.
Le fichier à utiliser contient un grand nombre de <commande>, chacune devant être traitée séparément.
Les commandes instanciées sont mise dans un pull de commande.
Ce pull de commande alimente un handler qui va traiter une à une les commandes.
Dans l'ordre, les étapes sont :

1/ Unmarshalling du fichier de 500Mo~ (fichier qui va dépasser les 1Go à la prochaine version), et instançiation des objets commandes
2/ Traitement des commandes (écriture en base etc...)

Si j'ai bien compris ce que tu me dis JeitEmgie, il est possible de commander le comportement du parser de Castor. Serait-il possible que le parser s'arrête dans son instanciation, et "attende" que le nombre de commande dans le pull de commandes disponibles passe en dessous d'un seuil, avant de le réalimenter avec de nouvelles commandes fraichement parsées, et donc d'utiliser moins de mémoire ?
27/03/2008, 11h54
JeitEmgie

Citation:

Envoyé par spooon

Je comprend tout à fait !
Cela voudrait dire qu'ici, mon unité <person> est trop grosse, ce qui n'est pas le cas de mes entités dans mon environnement de production, où les entité pouvant être traités de façon unitaire font moins de 1Mo, mais son en très grand nombre dans le fichier XML.

Actuellement, mon application tourne avec une librairie Castor 0.9.7.
le fonctionnement est le suivant.
Le fichier à utiliser contient un grand nombre de <commande>, chacune devant être traitée séparément.
Les commandes instanciées sont mise dans un pull de commande.
Ce pull de commande alimente un handler qui va traiter une à une les commandes.
Dans l'ordre, les étapes sont :

1/ Unmarshalling du fichier de 500Mo~ (fichier qui va dépasser les 1Go à la prochaine version), et instançiation des objets commandes
2/ Traitement des commandes (écriture en base etc...)

Si j'ai bien compris ce que tu me dis JeitEmgie, il est possible de commander le comportement du parser de Castor. Serait-il possible que le parser s'arrête dans son instanciation, et "attende" que le nombre de commande dans le pull de commandes disponibles passe en dessous d'un seuil, avant de le réalimenter avec de nouvelles commandes fraichement parsées, et donc d'utiliser moins de mémoire ?

je n'utilises pas Castor donc je n'en sais rien…

mais un parser de type SAX càd un parser qui appelle vos callbacks sur les éléments XML qu'il rencontre, vous permet de gérer votre machine d'états et ainsi de contrôler l'empreinte mémoire laissée par vos structures…

(par opposition à un parser DOM qui charge tout le document en mémoire…)
27/03/2008, 12h00
spooon

Merci JeitEmgie pour ton aide. Ceci m'éclaire un peu.

Je vais maintenant me documenter sur la manière de piloter le parser de Castor, afin d'éviter l'explosion de l'utilisation mémoire.
si quelqu'un sait comment faire cela, je suis extrêmement intéressé.

Le problème ne venait pas de castor, mais de la manière de l'utiliser.
Aujourd'hui, j'utilise un stringbuffer pour découper le fichier xml en petits noeuds que je traite séparément, plutot que de demander à castor de créer un gros objet contenant le résultat de la désérialisation du fichier xml entier de départ.

En pilotant castor avec un pool, j'arrive à diminuer la RAM utilisée de 99%, victoire donc.

Fonction pour découper mon XML en petits noeuds :
getElement(reader, "mouvement", log)
ramène un string contenant le noeud <mouvement>[...]</mouvement>

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
 
private static String getElement(java.io.Reader r, String element, Log log) throws IOException {
    	boolean end = false;
    	boolean first = true;
    	String chDebut = "<" + element + ">";
    	String chFin = "</" + element + ">";
    	StringBuffer sb = new StringBuffer();
    	int nbCar = 0;
    	int nSkip = 0;
    	while(!end) {
    		r.mark(30000);
    		char[] buf = new char[30000];
    		int nbCarLu = r.read(buf);
    		sb.append(buf);
    		r.reset();
    		if (first) {
    			int deb = sb.indexOf(chDebut);
    			if (deb == -1) {
    				return null;
    			}
    			first = false;
    		}
        	int fin = sb.indexOf(chFin);
        	if (fin == -1 && nbCarLu < 30000) {
        		return null;
        	} else if (fin == -1) {
        		nSkip += 30000;
        		r.skip(30000);
        	} else {
        		nbCar = fin + chFin.length();
        		int skip = nbCar - nSkip;
        		r.skip(skip);
        		end = true;
        	}
    	}
    	return sb.substring(sb.indexOf(chDebut), nbCar);
    }

ensuite, je traite mon string :

Code:

1
2
3
 
sr = new StringReader(getElement(b,"mouvement", log));
Mouvement m = (Mouvement) Unmarshaller.unmarshal(Mouvement.class, sr);

Et voilà
Merci pour l'aide.