- 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?
我正在尝试用 C 语言读取一个大的 .txt 文件。我已经使用 fgets() 完成了一个版本,但性能受到 I/O 的限制。所以我需要其他比 fgets() 更好的性能,而且我发现 mmap() 不会受到 I/O 的限制。所以我的问题是,是否可以使用 mmap() 和多线程(POSIX 线程)来做到这一点?这就是我需要的:
不同的线程同时读取(mmap() 或其他)文件的不同部分
我在网上找不到任何关于带有多线程的 mmap() 的资源,有人可以帮我提供一些示例代码并解释一下吗?我将非常感谢您的帮助,谢谢
最佳答案
你的想法本身还不错。如果我们假设一个换行符分隔文件(即:您可以在没有问题的情况下在行之间进行剪切),您可以找到具有类似内容的 block 的边界(从我的另一个程序中删除,因此请先检查)
// just in case
#define _LARGEFILE_SOURCE
#define _BSD_SOURCE
#define _POSIX_C_SOURCE 200112L
#include <stdio.h>
#include <stdlib.h>
#include <sys/types.h>
#include <sys/stat.h>
#include <unistd.h>
#include <errno.h>
#include <string.h>
// TODO: should be calculated
#define FILE_PARTS 100
// TODO: should not be global
off_t positions[FILE_PARTS + 1];
int slice_file(FILE * fp)
{
off_t curr_pos = 0;
off_t filesize = 0;
off_t chunk_size = 0;
int fd;
int i, res;
char c;
struct stat sb;
// get size of file
fd = fileno(fp);
if (fd == -1) {
fprintf(stderr, "EBADF in prepare_and_backup() for data-file pointer\n");
return 0;
}
if (fstat(fd, &sb) == -1) {
fprintf(stderr, "fstat() failed\n");
return 0;
}
// check if it is a regular file
if ((sb.st_mode & S_IFMT) != S_IFREG) {
fprintf(stderr, "Not a regular file\n");
return 0;
}
// TODO: check if filesize and chunksize >> 1
filesize = sb.st_size;
chunk_size = filesize / ((off_t) FILE_PARTS);
positions[0] = 0;
curr_pos = 0;
for (i = 1; i < FILE_PARTS; i++) {
res = fseeko(fp, curr_pos, SEEK_SET);
if (res == -1) {
fprintf(stderr, "Error in fseeko(): %s\n",
strerror(errno));
return 0;
}
curr_pos += chunk_size;
// look for the end of the line to cut at useful places
while ((c = fgetc(fp)) != EOF) {
curr_pos++;
// TODO: add code to honor Apple's special needs
if (c == '\n') {
c = fgetc(fp);
if (c == EOF) {
break;
}
curr_pos++;
break;
}
}
positions[i] = curr_pos - 1;
}
// Position of the end of the file
positions[i] = filesize;
// Is that even needed?
rewind(fp);
return 1;
}
现在你可以启动一个线程,给它指定它应该工作的 block 的开始和结束(你可能已经或可能没有使用上面的函数计算)并在各个线程内进行(m)映射而无需担心。如果输出与 block 的大小相同,您甚至可以就地工作。
编辑
mmap
的声明是
void *mmap(void *addr, size_t length, int prot, int flags, int fd, off_t offset);
如果您不关心特定地址,请将其设置为NULL
。length
是您希望映射初始化的字节数,在本例中:用文件描述符 fd
中的内容填充。
填充的开始由 offset
设置,但有一个令人不安的警告:它需要是页面大小的倍数(询问 sysconf(_SC_PAGE_SIZE)
以获得确切的数字)。问题不大,只需将其设置为开始之前的页面并在实际开始时开始工作即可,所有必要的信息都存在。您可以(并且必须!)忽略该页面的其余部分。
或者您获取整个文件并映射它并像使用驱动器上的文件一样使用它:为每个线程提供该映射的一个 block (位置
中的必要信息)并从那里开始工作.
第一个的优点:您拥有多个内存块,操作系统可以更轻松地移动这些内存块,并且使用多个 CPU 时,您可能会或可能不会减少缓存未命中的情况。如果您运行一个集群或任何其他架构,其中每个 CPU/CPU 组都有自己的 RAM 或至少一个非常大的缓存,那么它甚至是必须的。
后者的优点:实现起来更简单,但你有一大堆 map 。这可能会也可能不会影响运行时间。
提示:我对现代快速 SSD 的体验:现在的读取速度非常高,您可以轻松地从直接文件访问而不是映射开始。即使使用相当慢的“普通”硬盘,您也可以获得合理的速度。我从中提取上面代码片段的程序必须搜索超过 120 GB 的大型 CSV 文件,没有足够的 RAM 来完全加载它,甚至驱动器上没有足够的空间来将其加载到某个数据库中(是的,这是几个几年前)。这是一个键->“很多不同的值”文件,幸运的是已经排序了。因此,我使用上面的方法(KEY->position)为其制作了一个小的(与驱动器上可以容纳的一样大)索引文件,尽管比我的示例中的 100 个 block 多得多。索引文件中的键也已排序,因此如果您要搜索的键比索引条目更大(数据按升序排序),则您找到了正确的 block ,这意味着键位于之前的 block 中位置(如果存在)。这些 block 足够小,可以将其中一些 block 保留在 RAM 中作为缓存,但获得的效果并不多,传入的请求非常均匀地随机。
可以说是穷人的数据库,并且速度足够快,可以完成工作而不会受到用户的提示。
一个有趣的旁注:键是字母数字的,排序算法将它们排序为“aAbBcC ...”,这意味着您不能直接使用 strcmp
。让我摸不着头脑,但解决方案相当简单:比较忽略大小写(例如:strcasecmp
,如果可用)和它是否不相等 返回该结果,否则返回与正常 strncmp
结果相反的结果(例如,仅 return -strcmp(a,b);
)。
您对需要处理的数据类型保持沉默,因此您可能对以上内容没有丝毫兴趣。
关于c - C 中使用 mmap 多线程读取文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39713223/
今天我在一个 Java 应用程序中看到了几种不同的加载文件的方法。 文件:/ 文件:// 文件:/// 这三个 URL 开头有什么区别?使用它们的首选方式是什么? 非常感谢 斯特凡 最佳答案 file
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the he
我有一个 javascript 文件,并且在该方法中有一个“测试”方法,我喜欢调用 C# 函数。 c# 函数与 javascript 文件不在同一文件中。 它位于 .cs 文件中。那么我该如何管理 j
需要检查我使用的文件/目录的权限 //filePath = path of file/directory access denied by user ( in windows ) File fil
我在一个目录中有很多 java 文件,我想在我的 Intellij 项目中使用它。但是我不想每次开始一个新项目时都将 java 文件复制到我的项目中。 我知道我可以在 Visual Studio 和
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a software
我有 3 个组件的 Twig 文件: 文件 1: {# content-here #} 文件 2: {{ title-here }} {# content-here #}
我得到了 mod_ldap.c 和 mod_authnz_ldap.c 文件。我需要使用 Linux 命令的 mod_ldap.so 和 mod_authnz_ldap.so 文件。 最佳答案 从 c
我想使用PIE在我的项目中使用 IE7。 但是我不明白的是,我只能在网络服务器上使用 .htc 文件吗? 我可以在没有网络服务器的情况下通过浏览器加载的本地页面中使用它吗? 我在 PIE 的文档中看到
我在 CI 管道中考虑这一点,我应该首先构建和测试我的应用程序,结果应该是一个 docker 镜像。 我想知道使用构建环境在构建服务器上构建然后运行测试是否更常见。也许为此使用构建脚本。最后只需将 j
using namespace std; struct WebSites { string siteName; int rank; string getSiteName() {
我是 Linux 新手,目前正在尝试使用 ginkgo USB-CAN 接口(interface) 的 API 编程功能。为了使用 C++ 对 API 进行编程,他们提供了库文件,其中包含三个带有 .
我刚学C语言,在实现一个程序时遇到了问题将 test.txt 文件作为程序的输入。 test.txt 文件的内容是: 1 30 30 40 50 60 2 40 30 50 60 60 3 30 20
如何连接两个tcpdump文件,使一个流量在文件中出现一个接一个?具体来说,我想“乘以”一个 tcpdump 文件,这样所有的 session 将一个接一个地按顺序重复几次。 最佳答案 mergeca
我有一个名为 input.MP4 的文件,它已损坏。它来自闭路电视摄像机。我什么都试过了,ffmpeg , VLC 转换,没有运气。但是,我使用了 mediainfo和 exiftool并提取以下信息
我想做什么? 我想提取 ISO 文件并编辑其中的文件,然后将其重新打包回 ISO 文件。 (正如你已经读过的) 我为什么要这样做? 我想开始修改 PSP ISO,为此我必须使用游戏资源、 Assets
给定一个 gzip 文件 Z,如果我将其解压缩为 Z',有什么办法可以重新压缩它以恢复完全相同的 gzip 文件 Z?在粗略阅读了 DEFLATE 格式后,我猜不会,因为任何给定的文件都可能在 DEF
我必须从数据库向我的邮件 ID 发送一封带有附件的邮件。 EXEC msdb.dbo.sp_send_dbmail @profile_name = 'Adventure Works Admin
我有一个大的 M4B 文件和一个 CUE 文件。我想将其拆分为多个 M4B 文件,或将其拆分为多个 MP3 文件(以前首选)。 我想在命令行中执行此操作(OS X,但如果需要可以使用 Linux),而
快速提问。我有一个没有实现文件的类的项目。 然后在 AppDelegate 我有: #import "AppDelegate.h" #import "SomeClass.h" @interface A
我是一名优秀的程序员,十分优秀!