当文件中的数据量比较大时，全部读入内存就有可能造成内存溢出，这种时候就需要读取文件中的部分数据。在使用import时，还可以使用分段参数，分段读取数据。如：

	A
1	=file("PersonnelInfo.txt")
2	=A1.import@t(;100:500)
3	=A1.import@t(;101:500)

文本文件PersonnelInfo.txt中，存储了一批员工资料。A2和A3在使用import函数时，在分号后添加了分段参数，如100:500，此时A2读取数据时，将数据分为500份，读取其中的第100份，结果如下：

A3中继续读取第101份，结果如下：

 

可以发现，在分块读取时，集算器也会调整位置使得读取时整条读入记录，同时保证读取时数据的连续性，避免出现重复或遗漏。

需要注意的是，在import函数中，用分段的方法来分多次从文件中读取数据时，由于每条记录占用的字节数不定，因此每次读到的数据条数也是有变化的。由于同样的原因，也是无法直接获取指定某行的数据的。如果想找到指定位置的某行记录，只有遍历读取它前面的所有数据，效率低下。如果需要精确访问记录，可以使用外存文件游标来处理，将在下一节内容中介绍。

将大数据文件分段，这样就可以把单文件的计算任务拆分为多个子任务执行。因此，分段读取数据对于集群计算很有意义，在8.3服务器 中，将讲解如何在集群计算中分批处理大数据文件。

 

在面对大数据的计算时，在输出数据到文本文件时，同样会受到内存的限制。由于数据无法一次读入到内存，也就不能简单export到某个文件。对于大数据的输出，同样可以分批处理，使用时需要在export函数中添加@a选项，每次输出时，都在已有的数据后面添加导出。如：

	A	B
1	=file("PersonnelInfo.txt")	=file("PersonnelInfo1.txt")
2	for 500	=A1 .import@t(ID,Name,State;A2:500,)
3		>B1.export@at(B2)

在A2中执行循环，分500次读出PersonnelInfo.txt中的数据，并选择部分字段存储到新文件PersonnelInfo1.txt中。在存储时，添加了@at选项，输出列名，同时每次写数据时都用附加的方式。执行后，文件PersonnelInfo1.txt中数据如下：

如果没有添加@a选项，在输出时则会把文件中原有数据清除。