go - 在 Go 中加载数据的最快方法

Question

我需要定期将超过 300'000 行 x 78 列 的数据加载到我的 Go 程序中。

目前我使用(import github.com/360EntSecGroup-Skylar/excelize):

xlsx, err := excelize.OpenFile("/media/test snaps.xlsm")
if err != nil {
    fmt.Println(err)
    return
}

//read all rows into df
df := xlsx.GetRows("data")

在使用三星 960 EVO 系列 - M.2 内置 SSD 的体面 PC 上大约需要 4 分钟。

有没有更快的方法来加载这些数据？目前，读取数据比处理数据花费的时间更多。我也对其他文件格式开放。

Answer 1

正如评论中所建议的那样，不要使用 XLS 格式，而是使用自定义的快速数据格式来读取和写入表格。

在最基本的情况下，只需将列数和行数写入二进制文件，然后一次性写入所有数据。这会非常快，我创建了一个小例子 here它只是将 300.000 x 40 float32s 写入文件并读回它们。在我的机器上，这大约需要 400 毫秒和 250 毫秒(请注意，文件在写入后在缓存中很热，初始读取可能需要更长的时间)。

package main

import (
    "encoding/binary"
    "os"

    "github.com/gonutz/tic"
)

func main() {
    const (
        rowCount = 300000
        colCount = 40
    )
    values := make([]float32, rowCount*colCount)
    func() {
        defer tic.Toc()("write")
        f, _ := os.Create("file")
        defer f.Close()
        binary.Write(f, binary.LittleEndian, int64(rowCount))
        binary.Write(f, binary.LittleEndian, int64(colCount))
        check(binary.Write(f, binary.LittleEndian, values))
    }()
    func() {
        defer tic.Toc()("read")
        f, _ := os.Open("file")
        defer f.Close()
        var rows, cols int64
        binary.Read(f, binary.LittleEndian, &rows)
        binary.Read(f, binary.LittleEndian, &cols)
        vals := make([]float32, rows*cols)
        check(binary.Read(f, binary.LittleEndian, vals))
    }()
}

func check(err error) {
    if err != nil {
        panic(err)
    }
}