Говорят, что с точки зрения производительности Java в 10 раз быстрее, чем python. Это то, что я вижу из тестов тоже. Но то, что действительно сбивает с толку Java - это время запуска JVM.

Это тест, который я сделал:

$time xlsx2csv.py Types\ of\ ESI\ v2.doc-emb-Package-9
...
<output skipped>
real    0m0.085s
user    0m0.072s
sys     0m0.013s


$time java  -jar -client /usr/local/bin/tika-app-0.7.jar -m Types\ of\ ESI\ v2.doc-emb-Package-9

real    0m2.055s
user    0m2.433s
sys     0m0.078s

Тот же файл, встроенный файл XLSX размером 12 КБ мс в Docx и Python, в 25 раз быстрее! WTH !!

Это займет 2,055 сек для Java.

Я знаю, что это все из-за времени запуска, но мне нужно вызвать его через скрипт, чтобы проанализировать некоторые документы, которые я не хочу изобретать заново в python.

Но что касается разбора 10k + файлов, это просто не практично ..

Во всяком случае, чтобы ускорить его (я уже пробовал -client вариант, и он только ускорился так мало (20%)).

Моя другая идея? Запустить его как долго работающий демон, общаться через локальные сокеты UDP или Linux-ICP?