- 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?
我有一个包含 2 亿条边的文本文件,其形式为:
12 34
12 920
指示从节点 12 到节点 34 的边。它们需要以允许轻松访问相邻边列表的方式存储在内存中,以便快速查找连接到给定顶点的每条边。
我使用 HashMap 来存储节点,每个节点只包含一个链接列表:
public class Node {
List<Node> links;
public synchronized void AddLink(Node node)
{
if (links.indexOf(node) == -1)
links.add(node);
}
}
我还使用 BufferedReader.readLine() 从文本文件中读取每一行。问题是,这种方法大约需要 85 秒才能读取所有 2 亿条边。
30 小时后,我目前倾向于相信这些速度在 Java 中是不可能的。有没有我没有看到的更快的实现?
最佳答案
这个问题很有趣。如果您能提供更多信息就更好了。
您忽略的一个重要点是,您将在什么样的机器上实现该目标?它有多少内存? CPU 的速度有多快?有多少核心? I/O 有多快?
但无论如何,这里有一些可能有帮助的分析。如果您可以提供更多信息,那么我们就可以分析更多信息。
1.内存
(已修改,我在第一个答案中犯了一个错误。我没有注意到你使用了 ArrayList)
所以你正在使用ArrayList的HashMap。但这并不能保证内存开销。
假设Integer
和int
是4个字节,而引用是8个字节(我在这里很可能是错的,只是把它当作一个指针)。
在最好的情况下,假设只有一个顶点链接到所有其他顶点,并且该顶点是文件中的第一个数字。那么内存就是 200M * 8 字节 = 1.6 GB。
但在最坏的情况下,仍然有一个顶点链接到其他顶点,但现在该顶点是文件中的第二个数字。那么内存将为 200M * 20 字节 = 4 GB。
最坏情况的原因是,浏览了一下Java HashMap的source code ,HashMap的每个节点/条目都包含这些字段。
final int hash;
final K key;
V value;
Node<K,V> next;`
2.数据结构
就像其他人已经说过的那样,您需要关心数据结构。 HashMap 可能适合也可能不适合这里。
所有顶点都事先已知吗?例如,所有顶点都从 0 到 20K。在这种情况下,鉴于这个大数据集,我不会使用 HashMap。相反,我会使用列表的列表,这将每个节点的内存从 20 字节显着减少到仅 4 字节。这样我只需要 800MB 内存!
但是,如果顶点分布在整数空间上,则此方法不可行。但是,您仍然可能无法正确使用数据结构。你初始化的HashMap有足够的容量吗?当 HashMap 比较满时,必须重新哈希,这是非常昂贵的。同样,你初始化ArrayList时是否有足够的容量? ArrayList 在满时必须调整大小
,这也是有成本的。
最后,我注意到您使用了 SynchronizedMap
,这对于您的情况来说确实是一个糟糕的主意。 SynchronizedMap
只是一个围绕 HashMap
的互斥锁,当多个线程同时修改 HashMap 时,它会锁定整个 HashMap,这意味着代码中没有并行性。相反,您应该使用 ConcurrentHashMap,它的粒度比 SynchronizedMap 小得多。直观的解释是,它只锁定正在修改的链表,因此现在如果多个线程修改不同的链表,那么它们可能会并行执行此操作。
3.阅读方法
为了读取这个大文件,您可能需要 checkout readLine 以外的方法。其他人已经指出了 nio
包中的 FileChannel
。还结账MappedByteBuffer
.
结论
总之,除非您分享您的环境和数据模式,否则很难提供真正的建议。优化通常基于特定场景,而不是通用的。
关于Java:从文本文件读取约 2 亿条边到内存的最快方法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36586302/
我在具有 2CPU 和 3.75GB 内存 (https://aws.amazon.com/ec2/instance-types/) 的 c3.large Amazon EC2 ubuntu 机器上运
我想通过用户空间中的mmap-ing并将地址发送到内核空间从用户空间写入VGA内存(视频内存,而不是缓冲区),我将使用pfn remap将这些mmap-ed地址映射到vga内存(我将通过 lspci
在 Mathematica 中,如果你想让一个函数记住它的值,它在语法上是很轻松的。例如,这是标准示例 - 斐波那契: fib[1] = 1 fib[2] = 1 fib[n_]:= fib[n] =
我读到动态内存是在运行时在堆上分配的,而静态内存是在编译时在堆栈上分配的,因为编译器知道在编译时必须分配多少内存。 考虑以下代码: int n; cin>>n; int a[n]; 如果仅在运行期间读
我是 Python 的新手,但我之前还不知道这一点。我在 for 循环中有一个基本程序,它从站点请求数据并将其保存到文本文件但是当我检查我的任务管理器时,我发现内存使用量只增加了?长时间运行时,这对我
我正在设计一组数学函数并在 CPU 和 GPU(使用 CUDA)版本中实现它们。 其中一些函数基于查找表。大多数表占用 4KB,其中一些占用更多。基于查找表的函数接受一个输入,选择查找表的一两个条目,
读入一个文件,内存被动态分配给一个字符串,文件内容将被放置在这里。这是在函数内部完成的,字符串作为 char **str 传递。 使用 gdb 我发现在行 **(str+i) = fgetc(aFil
我需要证实一个理论。我正在学习 JSP/Java。 在查看了一个现有的应用程序(我没有写)之后,我注意到一些我认为导致我们的性能问题的东西。或者至少是其中的一部分。 它是这样工作的: 1)用户打开搜索
n我想使用memoization缓存某些昂贵操作的结果,这样就不会一遍又一遍地计算它们。 两个memoise和 R.cache适合我的需要。但是,我发现缓存在调用之间并不可靠。 这是一个演示我看到的问
我目前正在分析一些 javascript shell 代码。这是该脚本中的一行: function having() { memory = memory; setTimeout("F0
我有一种情况,我想一次查询数据库,然后再将整个数据缓存在内存中。 我得到了内存中 Elasticsearch 的建议,我用谷歌搜索了它是什么,以及如何在自己的 spring boot 应用程序中实现它
我正在研究 Project Euler (http://projecteuler.net/problem=14) 的第 14 题。我正在尝试使用内存功能,以便将给定数字的序列长度保存为部分结果。我正在
所以,我一直在做 Java 内存/注意力游戏作业。我还没有达到我想要的程度,它只完成了一半,但我确实让 GUI 大部分工作了......直到我尝试向我的框架添加单选按钮。我认为问题可能是因为我将 JF
我一直在尝试使用 Flask-Cache 的 memoize 功能来仅返回 statusTS() 的缓存结果,除非在另一个请求中满足特定条件,然后删除缓存。 但它并没有被删除,并且 Jinja 模板仍
我对如何使用 & 运算符来减少内存感到非常困惑。 我可以回答下面的问题吗? clase C{ function B(&$a){ $this->a = &$a; $thi
在编写代码时,我遇到了一个有趣的问题。 我有一个 PersonPOJO,其 name 作为其 String 成员之一及其 getter 和 setter class PersonPOJO { priv
在此代码中 public class Base { int length, breadth, height; Base(int l, int b, int h) { l
Definition Structure padding is the process of aligning data members of the structure in accordance
在 JavaScript Ninja 的 secret 中,作者提出了以下方案,用于在没有闭包的情况下内存函数结果。他们通过利用函数是对象这一事实并在函数上定义一个属性来存储过去调用函数的结果来实现这
我正在尝试找出 map 消耗的 RAM 量。所以,我做了以下事情;- Map cr = crPair.collectAsMap(); // 200+ entries System.out.printl
我是一名优秀的程序员,十分优秀!