PDFBox 2の異常なメモリ消費

Question

PDFRendererのrenderImageWithDPIメソッドを使用して、さまざまなPDFファイルから画像をレンダリングしようとしています。特定のPDFでは、一部のページでは、ライブラリレンダラーの動作が異なります。

レンダリング自体が他の類似したページより長くなり、メモリ消費量が異常に大きな値に達する：プロセスによって消費されるメモリは、1〜2秒ごとに約50MBになり、5GBのRAM renderImageWithDPI中にアプリケーションプロセスによって消費されます。スレッドがrenderImageWithDPIを終了すると、メモリ消費量はほぼ即座に1.5〜2 GBに低下します。メモリ消費量が高いため、Javaヒープ・スペース例外がスローされることがあります。

このようなページは、同じ幅、高さ、およびディスクサイズで、他のものと目に見える違いはありません。レンダリングは250 DPIで行われ、 ImageType RGBとなります。また、アプリケーションは「-Dsun.java2d.cmm = sun.java2d.cmm.kcms.KcmsServiceProvider」パラメータを使用して実行されています。

これはメモリリークまたは予期される動作ですか？また、誰かが2GBのメモリを吸い取ってレンダリングするのに1分かかり、他のページが数秒でレンダリングされるのをなぜ説明できるのでしょうか？

Answer 1

PDFを分析すると、34ページには10000個以上のXObject要素があり、ほとんどすべてがCMYKイメージです。 the PDFDebugger command line app、34ページ、リソース、XObjectを参照してください。それらを変換することはJavaでは非常に高速ではありません。メモリ使用量は、これらのイメージをキャッシュする可能性が高いためです。次回ページが表示されたら、はるかに高速に処理されることがわかります。キャッシュを無効にすることは、FAQに示されています。

このオプションを使用すると、スピードが向上します（89秒ではなく21秒）。-Dorg.apache.pdfbox.rendering.UsePureJavaCMYKConversion=true。しかし、画質は非常にわずかに異なる場合があります。PDFBOX-3569を参照してください。