- 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 50gb 的文件,我想阅读。
从 50gb 文件中读取 x 条指令。它们将按顺序排列,但位置不可预测。每条指令将读取 1 个字节。
总读取量占总文件大小的 < 0.0000001%,大概总共约 100 字节。
现在我正在使用带有偏移量的 seekg 来执行此操作,但有时需要 > 3 秒。
在这种情况下,内存映射文件会加快读取速度吗?如果我没有 50gb 的 ram,内存映射文件是否有意义?
我还能做些什么来加快速度吗?
这里是一些代码,我需要大约 2 秒才能运行(我调整它以进行 300 次读取以使其花费更长的时间):
#include <iostream>
#include <fstream>
#include <set>
#include <cstdlib>
using namespace std;
int main() {
ifstream in("E:/t.dat", ifstream::binary);
in.rdbuf()->pubsetbuf(0, 1);
set<long long> S;
srand(time(NULL));
for(int i=0;i<300;i++){
S.insert((long long)(rand()%50000000)*1000ll);
}
long long offset = 0;
in.seekg(0,ios::beg);
int sum = 0;
for(set<long long>::iterator it = S.begin(); it!=S.end(); it++){
long long toseek = *it - offset;
while(toseek > 2000000000){
in.seekg(2000000000,ios::cur);
toseek -= 2000000000;
offset += 2000000000;
}
in.seekg(toseek,ios::cur);
offset += toseek;
char c;
in.read(&c,1);
offset++;
sum += (int)c;
}
cout<<sum<<endl;
}
最佳答案
Would memory mapping the file speed up the read in this case?
如果不了解有关文件访问模式和操作系统的更多详细信息,则很难回答这个问题。您最好的选择是尝试并测量。但对于非内存映射情况,我建议禁用缓冲 setvbuf(3)
在文件上避免读取任何额外数据(或者,使用 open(2)
/lseek(2)
/read(2)
/close(2)
的原始 Unix 文件 API)。您也可以使用 posix_fadvise(2)
向操作系统提供有关如何缓冲文件页面的提示 - 在您的情况下,您可能希望传递 POSIX_FADV_RANDOM
以告诉它您将随机访问文件页面,可能 禁用会执行不必要的 I/O 的预读行为。
Does it even make sense to memory map the file if I don't have 50gb of ram?
当然可以,只要您有足够的地址空间——这对 32 位进程根本行不通,但在 64 位进程中就没问题。操作系统将为文件的整个范围分配虚拟地址空间,但由于按需分页,在您实际读取或写入任何给定页面之前,它不会向其提交任何物理内存。如果碰巧触摸的页面超过了物理内存一次可以容纳的数量,那么寻呼机将只调出最近最少使用的页面。
关于c++ - 稀疏读取 50gb 文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26007308/
我在服务器上 checkout 了一个 git 存储库。该存储库过去在根目录下包含所有相关文件,但我必须进行一些更改,现在我有两个文件夹,src 和 dist,我想跟踪这两个文件夹. 我遇到的问题是,
我很难弄清楚 VkDescriptorSetLayoutBinding::binding 的任何用例,这是结构: struct VkDescriptorSetLayoutBinding { u
Python中能否有效获取稀疏向量的范数? 我尝试了以下方法: from scipy import sparse from numpy.linalg import norm vector1 = spa
我正在尝试找出为什么这段代码不对数组进行排序... 任意向量。 x = array([[3, 2, 4, 5, 7, 4, 3, 4, 3, 3, 1, 4, 6, 3, 2, 4, 3, 2]])
有谁知道如何压缩(编码)稀疏 vector ?稀疏 vector 表示有许多“0”的 1xN 矩阵。 例如 10000000000001110000000000000000100000000 上面是稀
我使用稀疏高斯过程进行 Rasmussen 回归。[http://www.tsc.uc3m.es/~miguel/downloads.php][1] 预测平均值的语法是: [~, mu_1, ~, ~
我在朴素贝叶斯分类器中使用 Mahout API。其中一个功能是 SparseVectorsFromSequenceFiles虽然我已经尝试过旧的谷歌搜索,但我仍然不明白什么是稀疏 vector 。最
我正在尝试将JavaScript稀疏数组映射到C#表示形式。 建议这样做的方法是什么? 它正在考虑使用一个字典,该字典包含在原始数组中包含值的原始词列表。 还有其他想法吗? 谢谢! 最佳答案 注意 针
如果我想求解一个完整上三角系统,我可以调用linsolve(A,b,'UT')。然而,这目前不支持稀疏矩阵。我该如何克服这个问题? 最佳答案 UT 和 LT 系统是最容易解决的系统之一。读一读on t
我有一个带有 MultiIndex 的 Pandas DataFrame。 MultiIndex 的值在 (0,0) 到 (1000,1000) 范围内,该列有两个字段 p 和 q. 但是,DataF
我目前正在实现一个小型有限元模拟。使用 Python/Numpy,我正在寻找一种有效的方法来创建全局刚度矩阵: 1)我认为应该使用coo_matrix()从较小的单元刚度矩阵创建稀疏矩阵。但是,我可以
a , b是 1D numpy ndarray与整数数据类型具有相同的大小。 C是一个 2D scipy.sparse.lil_matrix . 如果索引[a, b]包含重复索引,C[a, b] +=
我有一个大的、连通的、稀疏的邻接表形式的图。我想找到两个尽可能远的顶点,即 diameter of the graph以及实现它的两个顶点。 对于不同的应用程序,我对无向和有向情况下的这个问题都很感兴
上下文:我将 Eigen 用于人工神经网络,其中典型维度为每层约 1000 个节点。所以大部分操作是将大小为 ~(1000,1000) 的矩阵 M 与大小为 1000 的 vector 或一批 B v
我有一些大小合适的矩阵 (2000*2000),我希望在矩阵的元素中有符号表达式 - 即 .9**b + .8**b + .7**b ... 是一个元素的例子。矩阵非常稀疏。 我通过添加中间计算来创建
在 R 或 C++ 中是否有一种快速填充(稀疏)矩阵的方法: A, B, 0, 0, 0 C, A, B, 0, 0 0, C, A, B, 0 0, 0, C, A, B 0, 0, 0, C, A
我有一个大的稀疏 numpy/scipy 矩阵,其中每一行对应于高维空间中的一个点。我想进行以下类型的查询: 给定一个点P(矩阵中的一行)和一个距离epsilon,找到与epsilon距离最大的所有点
假设我有一个 scipy.sparse.csr_matrix 代表下面的值 [[0 0 1 2 0 3 0 4] [1 0 0 2 0 3 4 0]] 我想就地计算非零值的累积和,这会将数组更改为:
我了解如何在 Git 中配置稀疏 checkout ,但我想知道是否可以消除前导目录。例如,假设我有一个 Git 存储库,其文件夹结构如下: 文件夹1/foo 文件夹2/foo/bar/stuff 文
根据 this thread , Git 中的排除 sparse-checkout feature应该实现。是吗? 假设我有以下结构: papers/ papers/... presentations
我是一名优秀的程序员,十分优秀!