- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我正在编写一个需要使用大型音频多样本的应用程序,通常大小约为 50 mb。一个文件包含大约 80 个单独的短录音,我的应用程序可以随时播放这些录音。出于这个原因,所有的音频数据都被加载到内存中以便快速访问。
但是,当加载其中一个文件时,可能需要几秒钟才能放入内存,因为我需要使用 ifstream 读取大量数据,这意味着我的程序 GUI 会暂时卡住。我已经尝试过对我的文件进行内存映射,但这会导致每次我需要跳转到文件的不同区域时出现巨大的 CPU 峰值和困惑的音频,这是 Not Acceptable 。
所以这让我认为执行异步文件读取将解决我的问题,即数据在不同的进程中读取并在完成时调用函数。这需要同时兼容 Mac OS X 和 Windows 以及 C++。
编辑:不想使用 Boost 库,因为我想保留一个小的代码库。
最佳答案
boost 有一个我以前没有使用过的 asio 库(它不在 NASA 批准的第三方库列表中)。
我自己的方法是编写两次文件读取代码,一次用于 Windows,一次用于 POSIX aio API,然后选择正确的链接。
对于 Windows,使用 OVERLAPPED(您必须在 CreateFile 调用中启用它,然后在读取时传递一个 OVERLAPPED 结构)。您可以让它在完成时设置一个事件 (ReadFile) 或调用完成回调 (ReadFileEx)。您可能需要更改您的主事件循环以使用 MsgWaitForMultipleObjectsEx 以便您可以等待 I/O 事件或允许回调运行,除了接收 WM_ 窗口消息。 MSDN 有这些函数的文档。
对于 Linux,有 fadvise 和 epoll,它们将使用预读缓存,或者 aio_read,它将允许实际的异步读取请求。当请求完成时,您会收到一个信号,您应该使用它来发布 XWindows 消息并唤醒您的事件处理循环。
两者在细节上略有不同,但最终效果是相同的——您请求在后台完成的读取,然后在 I/O 完成时唤醒您的事件调度循环。
关于c++ - 如何在 C++ 中执行跨平台异步文件 I/O,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2417583/
在使用 requests 库中的状态代码时,我遇到了一些奇怪的事情。每个 HTTP 状态代码都有一个常量,有些具有别名(例如,包括 200 的复选标记): url = 'https://httpbin
这是我得到的代码,但我不知道这两行是什么意思: o[arr[i]] = o[arr[i]] || {}; o = o[arr[i]]; 完整代码: var GLOBAL={}; GLOBAL.name
所以这个问题的答案What is the difference between Θ(n) and O(n)? 指出“基本上,当我们说算法是 O(n) 时,它也是 O(n2)、O(n1000000)、O
这是一个快速的想法;有人会说 O(∞) 实际上是 O(1) 吗? 我的意思是它不依赖于输入大小? 所以在某种程度上它是恒定的,尽管它是无限的。 或者是唯一“正确”的表达方式 O(∞)? 最佳答案 无穷
这是真的: log(A) + log(B) = log(A * B) [0] 这也是真的吗? O(log(A)) + O(log(B)) = O(log(A * B)) [1] 据我了解 O(f
我正在解决面试练习的问题,但我似乎无法找出以下问题的时间和空间复杂度的答案: Given two sorted Linked Lists, merge them into a third list i
我了解 Big-Oh 表示法。但是我该如何解释 O(O(f(n))) 是什么意思呢?是指增长率的增长率吗? 最佳答案 x = O(n)基本上意味着 x <= kn对于一些常量 k . 因此 x = O
我正在编写一个函数,该函数需要一个对象和一个投影来了解它必须在哪个字段上工作。 我想知道是否应该使用这样的字符串: const o = { a: 'Hello There' }; funct
直觉上,我认为这三个表达式是等价的。 例如,如果一个算法在 O(nlogn) + O(n) 或 O(nlogn + n) 中运行(我很困惑),我可以假设这是一个O(nlogn) 算法? 什么是真相?
根据 O'Reilly 的 Python in a Nutshell 中的 Alex Martelli,复杂度类 O(n) + O(n) = O(n)。所以我相信。但是我很困惑。他解释说:“N 的两个
O(n^2)有什么区别和 O(n.log(n)) ? 最佳答案 n^2 的复杂性增长得更快。 关于big-o - 大 O 符号 : differences between O(n^2) and O(n
每当我收到来自 MS outlook 的电子邮件时,我都会收到此标记 & nbsp ; (没有空格)哪个显示为?在 <>. 当我将其更改为 ISO-8859-1 时,浏览器页面字符集编码为 UTF-8
我很难理解 Algorithms by S. Dasgupta, C.H. Papadimitriou, and U.V. Vazirani - page 24 中的以下陈述它们将 O(n) 的总和表
我在面试蛋糕上练习了一些问题,并在问题 2给出的解决方案使用两个单独的 for 循环(非嵌套),解决方案提供者声称他/她在 O(n) 时间内解决了它。据我了解,这将是 O(2n) 时间。是我想错了吗,
关于 Java 语法的幼稚问题。什么 T accept(ObjectVisitorEx visitor); 是什么意思? C# 的等价物是什么? 最佳答案 在 C# 中它可能是: O Accept(
假设我有一个长度为 n 的数组,我使用时间为 nlogn 的排序算法对它进行了排序。得到这个排序后的数组后,我遍历它以找到任何具有线性时间的重复元素。我的理解是,由于操作是分开发生的,所以时间是 O(
总和 O(1)+O(2)+ .... +O(n) 的计算结果是什么? 我在某处看到它的解决方案: O(n(n+1) / 2) = O(n^2) 但我对此并不满意,因为 O(1) = O(2) = co
这个问题在这里已经有了答案: 11 年前关闭。 Possible Duplicate: Plain english explanation of Big O 我想这可能是类里面教的东西,但作为一个自学
假设我有两种算法: for (int i = 0; i 2)更长的时间给定的一些n - 其中n这种情况的发生实际上取决于所涉及的算法 - 对于您的具体示例, n 2)分别时间,您可能会看到: Θ(n)
这个问题在这里已经有了答案: Example of a factorial time algorithm O( n! ) (4 个回答) 6年前关闭。 我见过表示为 O(X!) 的 big-o 示例但
我是一名优秀的程序员,十分优秀!