加速从c++文件中读取整数

Speed up integer reading from file in C++

本文关键字：读取 整数 文件 c++ 加速      更新时间：2023-10-16

我正在逐行读取一个文件，并从中提取整数。注意事项:

  • 输入文件不是二进制文件;
  • 我无法在内存中加载整个文件;

  • 文件格式(只有整数，用一些分隔符分隔):

    x1 x2 x3 x4 ...
y1 y2 y3 ...
z1 z2 z3 z4 z5 ...
...

只是为了添加上下文，我正在读取整数，并使用std::unordered_map<unsigned int, unsinged int>对它们进行计数。

简单地遍历行，并分配无用的stringstream，如下所示:

std::fstream infile(<inpath>, std::ios::in);
while (std::getline(infile, line)) {
    std::stringstream ss(line);
}

700MB的文件需要2.7s。

解析每行:

unsigned int item;
std::fstream infile(<inpath>, std::ios::in);
while (std::getline(infile, line)) {
    std::stringstream ss(line);
    while (ss >> item);
}

同样的文件给我~17.8秒。

如果我将运算符改为std::getline + atoi:

unsigned int item;
std::fstream infile(<inpath>, std::ios::in);
while (std::getline(infile, line)) {
    std::stringstream ss(line);
    while (std::getline(ss, token, ' ')) item = atoi(token.c_str());
}

给出~14.6s。

还有什么比这些方法更快的吗?我认为没有必要加快文件读取的速度，只需要加快解析本身——尽管两者都不会造成伤害(:

)。

程序

#include <iostream>
int main ()
{
    int num;
    while (std::cin >> num) ;
}

读取一个文件大约需要17秒。这段代码

#include <iostream>   
int main()
{
    int lc = 0;
    int item = 0;
    char buf[2048];
    do
    {
        std::cin.read(buf, sizeof(buf));
        int k = std::cin.gcount();
        for (int i = 0; i < k; ++i)
        {
            switch (buf[i])
            {
                case 'r':
                    break;
                case 'n':
                    item = 0; lc++;
                    break;
                case ' ':
                    item = 0;
                    break;
                case '0': case '1': case '2': case '3':
                case '4': case '5': case '6': case '7':
                case '8': case '9':
                    item = 10*item + buf[i] - '0';
                    break;
                default:
                    std::cerr << "Bad formatn";
            }    
        }
    } while (std::cin);
}

需要1.25秒来处理相同的文件。

流速度很慢。如果你真的想要快速地做一些事情，将整个文件加载到内存中，并在内存中解析它。如果你真的不能把它全部加载到内存中，那就把它加载成块，让这些块尽可能的大，然后在内存中解析这些块。

在内存中解析时，将空格和行尾替换为空，以便您可以使用atoi转换为整数。

哦，你会在数据块的结尾遇到问题，因为你不知道数据块的结尾是否切断了一个数字。为了轻松解决这个问题，在块结束之前停止一小段距离(16字节应该可以)，并在加载它之后的下一个块之前将这个尾部复制到开始。

您尝试过输入迭代器吗?

它跳过字符串的创建:

std::istream_iterator<int> begin(infile);
std::istream_iterator<int> end;
int item = 0;
while(begin != end)
    item = *begin++;

为什么不跳过流和行缓冲区，直接从文件流中读取呢?

template<class T, class CharT, class CharTraits>
std::vector<T> read(std::basic_istream<CharT, CharTraits> &in) {
    std::vector<T> ret;
    while(in.good()) {
        T x;
        in >> x;
        if(in.good()) ret.push_back(x);
    }
    return ret;
}
http://ideone.com/FNJKFa

遵循Jack Aidley的回答(不能在评论中添加代码)，这里有一些伪代码:

vector<char> buff( chunk_size );
roffset = 0;
char* chunk = &buff[0];
while( not done with file )
{
    fread( chunk + roffset, ... ); // Read a sizable chunk into memory, filling in after roffset
    roffset = find_last_eol(chunk); // find where the last full line ends
    parse_in_mem( chunk, chunk_size - roffset ); // process up to the last full line
    move_unprocessed_to_front( chunk, roffset ); // don't re-read what's already in mem
}
相关文章：