我正在构建一个需要扩展的Java服务器。其中一个Servlet将提供存储在Amazon S3中的图像。
最近在负载下，我的VM内存不足，而这是在我添加代码以提供图像后发生的，因此我非常确定流式传输较大的Servlet响应是导致问题的原因。
我的问题是：是否有任何最佳实践来编写Java Servlet以向浏览器流式传输从数据库或其他云存储读取的大型（> 200k）响应？
我考虑过将文件写入本地临时驱动器，然后生成另一个线程来处理流式传输，以便可以重用tomcat Servlet线程。但这似乎会对io造成很大的负担。
感谢您的任何想法。
如果可能的话，您不应该将要提供的文件的全部内容存储在内存中。相反，获取数据的InputStream，并将数据分段复制到Servlet OutputStream中。例如：
ServletOutputStream out = response.getOutputStream();
InputStream in = [ code to get source input stream ];
String mimeType = [ code to get mimetype of data to be served ];
byte[] bytes = new byte[FILEBUFFERSIZE];
int bytesRead;
response.setContentType(mimeType);
while ((bytesRead = in.read(bytes)) != -1) {
out.write(bytes, 0, bytesRead);
}
// do the following in a finally block:
in.close();
out.close();
我同意Toby的观点，你应该“将它们指向S3 URL”。
至于OOM异常，你确定它与提供图像数据有关吗？假设你的JVM有256MB的“额外”内存用于提供图像数据。通过Google的帮助，“256MB / 200KB”=1310。对于2GB的“额外”内存（现在是一个非常合理的数量），可以支持10,000个同时客户端。即使如此，1300个同时客户端已经是相当大的数字了。这是你遇到的负载类型吗？如果不是，你可能需要在其他地方寻找OOM异常的原因。
编辑-关于：
在这种情况下，图像可能包含敏感数据...
几周前我阅读了S3文档，注意到你可以生成时间过期的密钥，可以附加到S3 URL上。因此，你不必向公众开放S3上的文件。我对这种技术的理解是：
我看过很多像john-vasilef的代码（目前被接受的答案），采用紧凑的while循环从一个流中读取数据块并将它们写入另一个流。
我的观点是反对不必要的代码重复，主张使用Apache的IOUtils。如果您已经在其他地方使用它，或者您正在使用的另一个库或框架已经依赖于它，那么这是一行代码，已经得到了良好的测试和验证。
以下代码中，我正在一个servlet中从Amazon S3中流式传输对象到客户端。
import java.io.InputStream;
import java.io.OutputStream;
import org.apache.commons.io.IOUtils;
InputStream in = null;
OutputStream out = null;
try {
in = object.getObjectContent();
out = response.getOutputStream();
IOUtils.copy(in, out);
} finally {
IOUtils.closeQuietly(in);
IOUtils.closeQuietly(out);
}
具有良好定义模式和适当流关闭的6行代码似乎非常可靠。
response.getOutputStream（） 产生异常，那么你的 InputStream in 对象将不会被关闭。此外，Java 7 的 try-with-resources 特性应该是目前的模式，未来 CommonsIO 将会有 this。帽子很棒 :) - Evandro Pomattitoby是正确的，如果可以的话，你应该直接指向S3。 如果不行，那么问题有点模糊，无法给出准确的回答：
您的Java堆有多大？ 当您耗尽内存时，有多少个流同时打开？
您的读写/缓冲区有多大（8K很好）？
您从流中读取8K，然后将8K写入输出，对吗？ 您不会尝试从S3中读取整个图像，将其缓冲在内存中，然后一次性发送整个内容吧？
如果使用8K缓冲区，您可以在约8兆字节的堆空间中拥有1000个并发流，因此您肯定做错了什么....
顺便说一下，我没有凭空选择8K，它是套接字缓冲区的默认大小，如果发送更多数据（例如1兆），则将在tcp / ip堆栈上阻塞，并且持有大量内存。
你需要检查两件事情：