您需要将字段自定义解析为更小、更紧凑的类型。如果您要存储大量重复的字符串，可以使用字符串规范化的方式重用重复的字符串（共享引用）。典型做法是使用字符串池在解析过程中共享引用。
我在这里放了一个演示项目，它以两种方式处理这个问题
- 使用spork.util.table（我旧的数据处理库），它基于持久化结构并使用了我所提到的技术
- 使用tech.ml.dataset，这是利用TableSaw表格实现的一种新的快速、内存高效的结构（可变的，但COW实现以支持持久语义）。
两种解决方案都可以轻松处理300MB的TSV文件，虽然tech.ml.dataset在实践中更节省内存。
我还将一个版本放在测试中，该测试复制了您的测试输入（在某种程度上，我猜测了空值的数量，为1/3）。它展示了使用spork，tech.ml（当前在尝试解析日期时失败）的方式，以及最后使用纯clojure函数手动进行的方式。如果您需要最小的内存占用（以及性能），则解析到原语是必需的。不幸的是，Java集合通常是装箱的（除了数组），因此您需要像FastUtils或另一个基于原语的集合。Clojure基于原语的向量有点帮助，但它们仍然因数组的trie而承担着引用开销（数组只位于叶子）。或者，如果您只是从文件构建一个相同类型的密集数组，可以构造一个原语数组并将其填充。这将节省空间，并且在结构上相容，特别是如果您使用这些浮点数进行数值计算并能利用密集格式。
总之，原始解析，特别是保留对字符串或装箱对象的引用，将需要庞大的堆，因为Java对象很耗内存。正如Andy提到的，新的JVM可以通过压缩字符串（这与字符串规范化的效果相同，但在JVM级别真正很好）在一定程度上减轻这种负担。
注意：这仅适用于您需要“保留”数据的情况......如果您可以遍历它或以其他方式流式计算，则可能可以通过原始解析处理任意数据集（例如超过内存的大小）而不爆堆，因为JVM会在您处理完引用后立即进行垃圾回收。
还有一些库可用于此类任务iota，
以及最近的pandas包装器via libpython-clj，panthera。
关于内存性能的笔记：默认情况下，Java虚拟机（jvm）不会将内存释放回系统，因此它看起来会“增长”到由-Xmx（默认我认为是2GB）设置的极限，并且会看起来保持在那个水平（即使经过垃圾回收周期）。如果您想了解实际使用与保留的内存量，则需要附加一个分析器和查看堆内存使用统计信息（如jvisualvm）。
