- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个奇怪的问题。我正在加载一个巨大的文件(3.5G)并从中制作字典并进行一些处理。一切都完成后,我的脚本不会立即终止,它会在一段时间后终止。我认为这可能是由于内存释放,还有其他原因吗??我很感激任何意见。我怎样才能让我的脚本运行得更快?
这是相应的代码:
类文件处理器:
def __init__(self):
self.huge_file_dict = self.upload_huge_file()
def upload_huge_file(self):
d = defaultdict(list)
f= codecs.open('huge_file', 'r', encoding='utf-8').readlines()
for line in f:
l = line.strip()
x,y,z,rb,t = l.split()
d[rb].append((x,y,z,t))
return d
def do_some_processing(self, word):
if word in self.huge_file_dict:
do sth with self.huge_file_dict[word]
最佳答案
我的猜测是你可怕的减速,直到你的程序完成后才恢复,这是由于使用了比你实际拥有的更多的内存,这导致你的操作系统开始将 VM 页面交换进出磁盘。一旦发生足够多的交换,您最终会陷入“交换 hell ”,其中很大一部分内存访问涉及磁盘读取甚至磁盘写入,这需要更多的时间,并且您的系统直到在您最终释放所有内存后几秒钟。
显而易见的解决方案是不要使用太多内存。
tzaman's answer ,避免 readlines()
,将消除一些内存。一个 3.5GB 文件中所有行的巨大列表在 Python 3.4 或 2.7 上至少需要 3.5GB(但实际上至少比这多 20%),在 3.0-3.3 上可能是 2 倍或 4 倍。
但是字典会比列表更大,你需要它,对吧?
嗯,不,你可能不知道。将 dict 保存在磁盘上并根据需要获取值可能听起来很慢,但它可能仍然比将其保存在虚拟内存中快得多,如果虚拟内存必须不断地来回交换到磁盘。
您可能需要考虑使用简单的 dbm
,或更强大的键值数据库(谷歌“NoSQL key value”用于某些选项),或 sqlite3
数据库,甚至是基于服务器的 SQL 数据库,如 MySQL。
或者,如果您可以将所有内容保存在内存中,但以更紧凑的形式保存,则两全其美。
我注意到在您的示例代码中,您对字典所做的唯一事情就是检查 self.huge_file_dict 中的单词
。如果这是真的,那么您可以使用 set
而不是 dict
并且不将所有这些值都保存在内存中。这应该会减少大约 80% 的内存使用量。
如果您经常需要键,但偶尔需要值,您可能需要考虑一个字典,它只是将键映射到索引到您可以根据需要从磁盘读取的内容(例如,具有固定长度字符串的文件,然后你可以 mmap
和切片)。
或者您可以将值保存在 Pandas 框架中,这将比原生 Python 存储更紧凑——可能足以产生差异——并使用字典映射键到索引。
最后,您可以在不实际减少内存量的情况下减少交换量。将一个巨大的排序列表一分为二,而不是访问一个巨大的字典,可能会提供更好的内存局部性,这取决于你的单词模式。
关于Python 脚本在完成很长时间后不会终止,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30083188/
您好,我是使用 xampp 的 PHPmyadmin 新手,没有 MYSQL 背景。当我喜欢研究它是如何工作的时,我的脑海中浮现出一个想法,它让我一周都无法休眠,因为我似乎无法弄清楚如何使用 MIN(
Go docs say (强调): Programs using times should typically store and pass them as values, not pointers.
我有一组用户在 8 月 1 日有一个条目。我想找到在 8 月 1 日有条目但在 8 月 2 日没有做任何事情的用户。 现在是 10 月,所以事件已经过去很久了。 我有限的知识说: SELECT * F
我有以下代码,主要编码和取消编码时间结构。这是代码 package main import ( "fmt" "time" "encoding/json" ) type chec
您能详细解释一下“用户 CPU 时间”和“系统 CPU 时间”吗?我读了很多,但我不太理解。 最佳答案 区别在于时间花在用户空间还是内核空间。用户 CPU 时间是处理器运行程序代码(或库中的代码)所花
应用程序不计算东西,但做输入/输出、读取文件、使用网络。我希望探查器显示它。 我希望像 callgrind 中的东西一样,在每个问题中调用 clock_gettime。 或者像 oprofile 那样
目前我的 web 应用程序接收 websocket 数据来触发操作。 这会在页面重新加载时中断,因此我需要一个能够触发特定事件的客户端解决方案。 这个想法可行吗? 假设你有 TimeX = curre
很难说出这里问的是什么。这个问题是含糊的、模糊的、不完整的、过于宽泛的或修辞性的,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开它,visit the help center 。 已关
我有一个 Instant (org.joda.time.Instant) 的实例,我在一些 api 响应中得到它。我有另一个来自 (java.time.Instant) 的实例,这是我从其他调用中获得
如何集成功能 f(y) w.r.t 时间;即 'y'是一个包含 3000 个值和值 time(t) 的数组从 1 到 3000 不等。所以,在整合 f(y) 后我需要 3000 个值. 积分将是不确定
可以通过 CLI 创建命名空间,但是如何使用 Java SDK 来创建命名空间? 最佳答案 它以编程方式通过 gRPC API 完成由服务公开。 在 Java 中,生成的 gRPC 客户端可以通过 W
我有一个函数,它接受 2 组日期(开始日期和结束日期),这些日期将用于我的匹配引擎 我必须知道start_date1和end_date1是否在start_date2和end_date2内 快进:当我在
我想从 Python 脚本运行“time”unix 命令,以计算非 Python 应用程序的执行时间。我会使用 os.system 方法。有什么方法可以在Python中保存这个输出吗?我的目标是多次运
我正在寻找一种“漂亮的数字”算法来确定日期/时间值轴上的标签。我熟悉 Paul Heckbert's Nice Numbers algorithm . 我有一个在 X 轴上显示时间/日期的图,用户可以
在 PowerShell 中,您可以格式化日期以返回当前小时,如下所示: Get-Date -UFormat %H 您可以像这样在 UTC 中获取日期字符串: $dateNow = Get-Date
我正在尝试使用 Javascript 向父子窗口添加一些页面加载检查功能。 我的目标是“从父窗口”检测,每次子窗口完全加载然后执行一些代码。 我在父窗口中使用以下代码示例: childPage=wi
我正在尝试设置此 FFmpeg 命令的 drawtext 何时开始,我尝试使用 start_number 但看起来它不会成功。 ffmpeg -i 1.mp4 -acodec aac -keyint_
我收到了一个 Excel (2010) 电子表格,它基本上是一个文本转储。 单元格 - J8 具有以下信息 2014 年 2 月 4 日星期二 00:08:06 EST 单元格 - L8 具有以下信息
我收到的原始数据包含一列具有以下日期和时间戳格式的数据: 2014 年 3 月 31 日凌晨 3:38 单元格的格式并不一致,因为有些单元格有单个空格,而另一些单元格中有两个或三个字符之间的空格。所以
我想知道是否有办法在我的 Grails 应用程序顶部显示版本和构建日期。 编辑:我应该说我正在寻找构建应用程序的日期/时间。 最佳答案 在您的主模板中,或任何地方。 Server version:
我是一名优秀的程序员,十分优秀!