- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我正在研究网络爬虫,并且必须处理大数据(数万亿数据文件中约 160 TB 的原始数据)。
数据应该作为一个大的bz2文件顺序存储在磁硬盘上。 SSD 用于保存元数据。硬盘上最重要的操作是顺序读取磁盘上所有 4 TB 的数据,这应该以 150 MB/s 的最大速度进行。
我不想浪费文件系统的开销,而是直接使用“/dev/file”设备。此访问是否使用 os block 缓冲区?访问操作是以 FIFO 方式排队还是同步的?
使用/dev/file 还是自己写用户级文件系统更好?有没有人有这方面的经验。
最佳答案
如果您不使用任何文件系统而是直接读取您的磁盘设备(例如 /dev/sdb
),您将失去文件系统缓存的所有好处。我一点也不确定这是否值得。
请记住,您可以使用类似 readahead(2) 的系统调用或 posix_fadvise(2)或 madvise(2)向内核提供提示以提高性能。
此外,您可能在使文件系统使用比通常更大的 block 大小时。并且不要忘记在 read(2) 时使用大块(例如 64 到 256 KB)。 -ing 数据。您也可以使用 mmap(2)从磁盘获取数据。
我建议不要“编写您自己的文件系统”。现有的文件系统经过了很好的调优(有些用于 PB 级存储)。您可能希望在制作它们时选择大块(例如 -b
和 mke2fs(8) ...)
顺便说一句,在文件系统和原始磁盘数据之间进行选择主要是一个配置问题(如果你想要原始磁盘,你指定一个 /dev/sdb
路径,和 /home/somebigfile
如果你想要一个文件)。您可以编写一个 webcrawler 来实现这两种方法,然后对这两种方法进行基准测试。性能很可能取决于实际系统和硬件。
举个例子,关系数据库引擎在上个世纪(例如 1990 年代)经常使用原始磁盘分区,但今天似乎经常使用大文件。
请记住,真正的瓶颈是硬件(即磁盘):文件系统使用的 CPU 时间通常微不足道,甚至无法衡量。
附言。我最近对这些问题没有太多实际经验。
关于linux - 使用没有文件系统的硬盘来处理大数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22268327/
初学者 android 问题。好的,我已经成功写入文件。例如。 //获取文件名 String filename = getResources().getString(R.string.filename
我已经将相同的图像保存到/data/data/mypackage/img/中,现在我想显示这个全屏,我曾尝试使用 ACTION_VIEW 来显示 android 标准程序,但它不是从/data/dat
我正在使用Xcode 9,Swift 4。 我正在尝试使用以下代码从URL在ImageView中显示图像: func getImageFromUrl(sourceUrl: String) -> UII
我的 Ubuntu 安装 genymotion 有问题。主要是我无法调试我的数据库,因为通过 eclipse 中的 DBMS 和 shell 中的 adb 我无法查看/data/文件夹的内容。没有显示
我正在尝试用 PHP 发布一些 JSON 数据。但是出了点问题。 这是我的 html -- {% for x in sets %}
我观察到两种方法的结果不同。为什么是这样?我知道 lm 上发生了什么,但无法弄清楚 tslm 上发生了什么。 > library(forecast) > set.seed(2) > tts lm(t
我不确定为什么会这样!我有一个由 spring data elasticsearch 和 spring data jpa 使用的类,但是当我尝试运行我的应用程序时出现错误。 Error creatin
在 this vega 图表,如果我下载并转换 flare-dependencies.json使用以下 jq 到 csv命令, jq -r '(map(keys) | add | unique) as
我正在提交一个项目,我必须在其中创建一个带有表的 mysql 数据库。一切都在我这边进行,所以我只想检查如何将我所有的压缩文件发送给使用不同计算机的人。基本上,我如何为另一台计算机创建我的数据库文件,
我有一个应用程序可以将文本文件写入内部存储。我想仔细看看我的电脑。 我运行了 Toast.makeText 来显示路径,它说:/数据/数据/我的包 但是当我转到 Android Studio 的 An
我喜欢使用 Genymotion 模拟器以如此出色的速度加载 Android。它有非常好的速度,但仍然有一些不稳定的性能。 如何从 Eclipse 中的文件资源管理器访问 Genymotion 模拟器
我需要更改 Silverlight 中文本框的格式。数据通过 MVVM 绑定(bind)。 例如,有一个 int 属性,我将 1 添加到 setter 中的值并调用 OnPropertyChanged
我想向 Youtube Data API 提出请求,但我不需要访问任何用户信息。我只想浏览公共(public)视频并根据搜索词显示视频。 我可以在未经授权的情况下这样做吗? 最佳答案 YouTube
我已经设置了一个 Twilio 应用程序,我想向人们发送更新,但我不想回复单个文本。我只是想让他们在有问题时打电话。我一切正常,但我想在发送文本时显示传入文本,以确保我不会错过任何问题。我正在使用 p
我有一个带有表单的网站(目前它是纯 HTML,但我们正在切换到 JQuery)。流程是这样的: 接受用户的输入 --- 5 个整数 通过 REST 调用网络服务 在服务器端运行一些计算...并生成一个
假设我们有一个名为 configuration.js 的文件,当我们查看内部时,我们会看到: 'use strict'; var profile = { "project": "%Projec
这部分是对 Previous Question 的扩展我的: 我现在可以从我的 CI Controller 成功返回 JSON 数据,它返回: {"results":[{"id":"1","Sourc
有什么有效的方法可以删除 ios 中 CBL 的所有文档存储?我对此有疑问,或者,如果有人知道如何从本质上使该应用程序像刚刚安装一样,那也会非常有帮助。我们正在努力确保我们的注销实际上将应用程序设置为
我有一个 Rails 应用程序,它与其他 Rails 应用程序通信以进行数据插入。我使用 jQuery $.post 方法进行数据插入。对于插入,我的其他 Rails 应用程序显示 200 OK。但在
我正在为服务于发布请求的 API 调用运行单元测试。我正在传递请求正文,并且必须将响应作为帐户数据返回。但我只收到断言错误 注意:数据是从 Azure 中获取的 spec.js const accou
我是一名优秀的程序员,十分优秀!