- 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?
我对 C++ 很陌生,所以很抱歉,如果我问一些愚蠢的问题,但我在网上找不到答案(只有一篇引用 python ( Can mmap and gzip collaborate? ) 的帖子),试图看看是否可以通过 mmap 读取 .GZ 文件() 函数(如下: Fast textfile reading in c++ )以便对文件进行一些操作并将其写入另一个文件。我需要根据某些列/字段值仅保留原始行和列的一部分,以便稍后检索它们并与来自不同主题的其他类似文件进行比较,以便提取相似性/差异。这些文件非常大(最大 10GB .GZ),因此我尝试对 GZIP 文件使用快速比较方法。它更多的是与其他方法的“性能比较”。这是代码(抱歉,它很长,我认为很糟糕):
#include <algorithm>
#include <iostream>
#include <cstring>
#include <vector>
#include <typeinfo>
// for mmap:
#include <sys/mman.h>
#include <sys/stat.h>
#include <fcntl.h>
//for writefile
#include <fstream>
template <int N>
void emptyArray( char (&arrayName) [N] ) {
std::fill( std::begin( arrayName ), std::end( arrayName ), 0 );
}
const char* map_file(const char* fname, size_t& length);
int main() {
//prende la dimensione del file da aprire
size_t length;
auto f = map_file("myfile.vcf", length);
auto l = f + length;
uintmax_t m_numLines = 0;
std::vector<int> v0;
std::vector<int> v1;
std::vector<int> v2;
for (int i=1; i<length; i++) {
//vettore di posizioni # in prima posizione di una linea
if (f[i] == '#' && f[i-1] == '\n') v0.push_back(i);
//vettore di nuove linee
if (f[i] == '\n') v1.push_back(i+1);
}
std::vector<int> inter;
set_intersection(v0.begin(), v0.end(),
v1.begin(), v1.end(),
back_inserter(inter));
v1.erase(set_difference(v1.begin(), v1.end(),
inter.begin(), inter.end(),
v1.begin()), v1.end());
v1.pop_back();
char chromArray[3];
char posArray[10];
char refArray[50];
char altArray[50];
char qualityArray[10];
char gtArray[4];
char gqxArray[5];
char dpArray[5];
char adArray[10];
//LOOP per NUM RIGA
//apro loop su vettore NL (non #)
for (int nl =0; nl<v1.size(); nl++) {
//CONTATORI
int ncol = 0;
int chri = 0;
int posi = 0;
int refi = 0;
int alti = 0;
int qi = 0;
int formatHeaderCount = 0;
int formatLastCount = 0;
int numGT = 0;
int gti = 0;
int numGQX = 0;
int gqxi = 0;
int numDP = 0;
int dpi = 0;
int numAD = 0;
int adi = 0;
std::string chromValue;
emptyArray(chromArray);
std::string posValue;
emptyArray(posArray);
std::string refValue;
emptyArray(refArray);
std::string altValue;
emptyArray(altArray);
std::string quality;
emptyArray(qualityArray);
std::string gtValue;
emptyArray(gtArray);
std::string gqxValue;
emptyArray(gqxArray);
std::string dpValue;
emptyArray(dpArray);
std::string adValue;
emptyArray(adArray);
for( int start=v1[nl]; start<v1[nl+1]; start++ ) {
if (f[start] == '\t') ncol++;
if (ncol == 0) {
if ( f[start] != '\t' && f[start] != 'c' && f[start] != 'h' && f[start] != 'r' ) {
chromArray[chri] = f[start];
chri++;
}
}
if (ncol == 1) {
if ( f[start] != '\t' ) {
posArray[posi] = f[start];
posi++;
}
}
if (ncol == 3) {
if ( f[start] != '\t' ) {
refArray[refi] = f[start];
refi++;
}
}
if (ncol == 4) {
if ( f[start] != '\t' ) {
altArray[alti] = f[start];
alti++;
}
}
if (ncol == 5) {
if ( f[start] != '\t' ) {
qualityArray[qi] = f[start];
qi++;
}
}
if (ncol == 8) {
if ( f[start] != '\t' ) {
if (f[start] == ':') formatHeaderCount++;
if (f[start] == 'G' && f[start+1] == 'T' && f[start+2] == ':' ) {
numGT = formatHeaderCount;
}
if (f[start] == ':' && f[start+1] == 'G' && f[start+2] == 'Q' && f[start+3] == 'X' && f[start+4] == ':') {
numGQX = formatHeaderCount;
}
if (f[start] == ':' && f[start+1] == 'D' && f[start+2] == 'P' && ( f[start+3] == ':' || ( f[start+3] == 'I' && f[start+4] == ':') )) {
numDP = formatHeaderCount;
}
if (f[start] == ':' && f[start+1] == 'A' && f[start+2] == 'D' && f[start+3] == ':' ) {
numAD = formatHeaderCount;
}
}
}
if (ncol == 9) {
if ( f[start] != '\t' ) {
if (f[start] == ':') formatLastCount++;
if (formatLastCount == numGT) {
if ( f[start] != ':' ) {
gtArray[gti] = f[start];
gti++;
}
}
if (formatLastCount == numGQX) {
if ( f[start] != ':' ) {
gqxArray[gqxi] = f[start];
gqxi++;
}
}
if (formatLastCount == numDP) {
if ( f[start] != ':' ) {
dpArray[dpi] = f[start];
dpi++;
}
}
if (formatLastCount == numAD) {
if ( f[start] != ':' ) {
adArray[adi] = f[start];
adi++;
}
}
}
}
}
chromValue.append(chromArray);
posValue.append(posArray);
refValue.append(refArray);
altValue.append(altArray);
quality.append(qualityArray);
gtValue.append(gtArray);
gqxValue.append(gqxArray);
dpValue.append(dpArray);
adValue.append(adArray);
if (gqxi < 2 || dpi < 2 || qi < 2) continue;
if (stoi(gqxValue) < 30) continue;
std::ofstream myfile ("myRes.txt", std::ios_base::app);
if (myfile.is_open()) {
myfile <<
nl << "\t" <<
chromValue << "-" << posValue << "-" << refValue << "-" << altValue << "\t" <<
gtValue << "\t" <<
gqxValue << "\t" <<
quality << "\t" <<
dpValue << "\t" <<
adValue <<
"\n";
myfile.close();
} else {
std::cout << "Unable to open file" << '\n';
}
}
}
void handle_error(const char* msg) {
perror(msg);
exit(255);
}
const char* map_file(const char* fname, size_t& length) {
int fd = open(fname, O_RDONLY);
if (fd == -1)
handle_error("open");
struct stat sb;
if (fstat(fd, &sb) == -1)
handle_error("fstat");
length = sb.st_size;
const char* addr = static_cast<const char*>(mmap(NULL, length, PROT_READ, MAP_PRIVATE, fd, 0u));
if (addr == MAP_FAILED)
handle_error("mmap");
return addr;
}
现在,我知道我可以使用以下命令打开 GZIP 文件:
#include <fstream>
#include <iostream>
#include <sstream>
#include <boost/iostreams/filtering_streambuf.hpp>
#include <boost/iostreams/copy.hpp>
#include <boost/iostreams/filter/gzip.hpp>
//NB: devo linkare a libreria boost zlib in comando: c++ --std=c++11 -L/opt/X11/lib -lboost_iostreams -lz gzread.cpp -o gzread
using namespace std;
using namespace boost::iostreams;
int main()
{
ifstream file("myfile.gz", ios_base::in | ios_base::binary);
filtering_streambuf<input> inbuf; //iniziallizzo filtering_streambuf inbuf
inbuf.push(gzip_decompressor()); //ci metto dentro decompressore GZIP (se file GZIP)
inbuf.push(file); //ci metto dentro file
//Convert streambuf to istream
std::istream instream(&inbuf);
//Iterate lines
std::string line;
string chr;
while(std::getline(instream, line)) {
istringstream iss(line); // string stream della linea
int i = 0;
while (getline(iss, line, t)) { // read first part up to comma, ignore the comma (il terzo arfomento di getline gli indica dove fermarsi, se assente si ferma a newline)
if (i == 2) cout << line << "n";
++i;
}
}
// copy(inbuf, cout); //copio in stdout
}
这里是文件行的示例:
chr1 1246301 。 A C 4 OffTarget;LowGQX SNVSB=0.0;SNVHPOL=2;phyloP=1.096;CSQT=1|ACAP3|NM_030649.2|upstream_gene_variant,1|PUSL1|NM_153339.1|missense_variant,1|CPSF3L|NM_001256456.1|downstream_gene_variant GT: GQ:GQX:DP:DPF:AD:PL 0/1:3:0:1:0:0,1:37,3,0
有没有办法将它们结合起来?或者甚至其他方法,如果它们可以更“性能”。
非常感谢您的建议!
最佳答案
您可以使用 zlib 的 inflate()
函数读取内存映射的 gzip 文件。 (阅读 zlib.h 中的文档。)
但是无论是从文件读取还是从内存映射读取,都无法跳转未压缩的数据。未压缩的数据必须顺序处理,或者顺序保存以供以后的随机访问处理。
关于C++ mmap到 "fast"读取与gzip文件的耦合,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55288310/
我有一个 mysql 数据库,用户可以在其中输入文本。然后他们需要能够搜索此文本。我刚刚实现了 mysql 全文搜索,它确实使搜索速度快了很多。 然而,毫不奇怪,它使插入变慢了。但令我惊讶的是速度慢了
我在 Linux 3.15 机器上写了一个 TCP 客户端,它能够使用 TCP Fast Open: status = sendto(sd, (const void *) data,
“free(): invalid next size (fast)”中的“fast”或“normal”是什么意思:谁能解释一下这是什么意思/暗示或在哪里可以找到答案? 最佳答案 您看到的错误消息表明在
像 FAST 这样的数据编码协议(protocol)非常巧妙地减少了需要发送的数据量。本质上,一个人得到一个 char*,读取前几个字节作为整数会给你一个 ID 号,它指向你如何解码其余字节的说明(即
语境 我非常喜欢Roy Osherove所说的“快速集成测试”。这是集成测试,它可以: 严格在您的开发箱上执行。无需单独的环境。 尽管正在进行集成测试,但此类测试通常是通过您的单元测试工具(NUnit
我的代码中有一些子例程,我需要测量它们的执行时间。让我们假设例程在极端情况下每秒被调用 10-100 次。在 Fortran 中有许多方法可以测量时间,但由于调用的频率,我需要一种开销最低的方法。 时
我的电脑中的这段代码在java中执行了1秒,但在C中执行了20多秒。java是如何执行的? int a[] = new int[50000] ; for(int i = 0 ; i < 50000 ;
我用 fastai.tabular 训练了一个模型。现在,我有一个合适的学习器。最终,模型将应用于新数据,而不仅仅是在训练集上拟合并在测试集上进行评估等。我尝试了不同的方法,所有这些都导致了错误或一些
当我曾经对嵌入式系统和早期 8/16 位 PC(6502、68K、8086)进行编程时,我对每条指令执行所需的确切时间(以纳秒或微秒为单位)有很好的把握。根据系列的不同,一个(或四个)周期相当于一次“
让我立即澄清一下这个听起来很温和的标题。这实际上已经困扰我很长一段时间了,尽管感觉这是一个非常基本的问题。 许多语言让开发人员玩弄位,从而给人一种效率错误的印象,例如 bool.h据我了解,C hea
我有一个代码。 private static String generateString(int size) { StringBuffer s = new StringBuffer();
[简短回答:糟糕的基准测试方法。你会认为我现在已经想通了。] 问题表现为“找到一种快速计算 x^y 的方法,其中 x 和 y 是正整数”。典型的“快速”算法如下所示: public long fast
我必须乘以 2(大部分时间)稀疏矩阵。这些矩阵相当小(大约 10k*10k),我有两个至强四核和一个线程来完成这项工作? 是否有任何用于多线程 moltiplication 的快速库?还有其他建议吗?
我正在对约 40K 文档的集合执行 where in box 查询。查询耗时约 0.3 秒,获取文档耗时约 0.6 秒(结果集中约有 10K 文档)。 文档相当小(每个约 100 字节),我限制结果只
我正在寻找 4 个变量的标量函数的局部最小值,并且我对变量有范围约束(“框约束”)。函数导数没有封闭形式,因此需要解析导数函数的方法是不可能的。我已经用 optim 尝试了几个选项和控制参数功能,但所
我正在尝试部署一个使用 CGI::Application 的 Perl 应用程序通过 Nginx,它们之间使用 FastCGI 进行通信。 Nginx 不断返回“502 Bad Gateway”,错误
我对 C++ 很陌生,所以很抱歉,如果我问一些愚蠢的问题,但我在网上找不到答案(只有一篇引用 python ( Can mmap and gzip collaborate? ) 的帖子),试图看看是否
我正在试验不同类型的 OpenCV 的 FAST 检测器。 可用的类型有: TYPE_5_8, TYPE_7_12, TYPE_9_16 最后一个是默认的,用这张照片描述: 我假设 TYPE_7_12
我正在尝试开发一个 android 应用程序,它应该分析来自相机的帧并检测角落。 我的目标是检测当前棋盘状态并向服务器提供数据。 我已经在我的应用程序中实现了 OpenCV,并且正在尝试使用 FAST
我正在使用 Tensorflow 和 faster_rcnn_inception_v2_coco 模型训练对象检测器,但在对视频进行分类时遇到了很多误报。 经过一些研究,我发现我需要在训练过程中添加负
我是一名优秀的程序员,十分优秀!