海量数据读取

[johnyang628]

数据文件为文本格式，单个数据为double型，也需要将数据读取为double型，小数位数排列非常整齐，3列，如
110.32344402 213.23445667 234.2445
239.23898666 485.96897821 232.2154
……
行数从几万到几千万不等，之前直接读取为double型再存储，那个速度太慢，后来改为采用geiline()一行行的读取之后再采用itof转为double型再存储，效率提高了不少，但是数据量达到几百万行甚至几千万以上时，觉得读取的速度还是有点慢，不知是否还有其他的好的方法，请各位指点。

[adamwyb]

[Quote=引用 8 楼 johnyang628 的回复:]
数据量太大，我目前处理的一个文件已经达到700MB，最大估计将达到2GB，在目前的项目中，只是将数据从文件中读入内存作为参考用，不写文件，另外有没有一个比较好的显示进度百分比的方法，读一行显示一个百分比不现实。
[/Quote]

百分比首先要知道你总共有多大的文件要读，然后根据你已经读取了多少进行比较。而且如果怕影响速度不一定百分之一的进度也要显示，可以达到百分之五就显示一次，甚至百分之十。百分比只是告诉用户的一个参考，没有用户去专门关心进度真正走到哪里了。

[zgl7903]

数据不要按文本方式存储，就按double的内存16进制方式存储，既节省存储空间，又省去转换的麻烦,效率会大大提高.

[Eleven]

为啥不用数据库？

[johnyang628]

原始的数据文件就是文本格式的啊，我只是读取文件中的所有数据并从中挑选符合要求的数据，不对原始文件进行任何修改，读取之后的数据也不存储。

[Eleven]

[Quote=引用 13 楼 johnyang628 的回复:]
原始的数据文件就是文本格式的啊，我只是读取文件中的所有数据并从中挑选符合要求的数据，不对原始文件进行任何修改，读取之后的数据也不存储。
[/Quote]
大文件的话，用内存映射文件做吧。。。

[向立天]

用内存映射文件
我处理过400兆的
再大的可以分块处理

[似水流年__]

一块一块处理

[dulvtianya]

帮顶，学习

[InitialJ]

转换后先存在内存中好了，频繁的写硬盘很慢的，就算几百万行的数据也不过就几十M而已

[stonewater]

geiline可以改为用大缓存一次多读取些数据
其实可以采用内存映像文件,如果文件不是很大,可以直接全部映射,或者用多线程同时读取不同的部分进行转换,不过程序复杂度会提高
写文件也是,用大缓存到一定的数量时再写

[jyh_baoding]

合理的使用缓存

[3jaja]

//以下例子使用100M内存
HANDLE hMap=CreateFileMapping(INVALID_HANDLE_VALUE,NULL,PAGE_READWRITE, 0,102400000,"海量数据");
double * pd = (double *)MapViewOfFile(hMap,FILE_MAP_READ|FILE_MAP_WRITE,0,0,0);

//一次打开读文件
//处理..........................
//一次打开写文件

UnmapViewOfFile(pd );
CloseHandle(hMap);

[wang23432]

[Quote=引用 3 楼 stonewater 的回复:]
geiline可以改为用大缓存一次多读取些数据
其实可以采用内存映像文件,如果文件不是很大,可以直接全部映射,或者用多线程同时读取不同的部分进行转换,不过程序复杂度会提高
写文件也是,用大缓存到一定的数量时再写
[/Quote]
能否详细说明那

[adamwyb]

一次性全部读到内存中，再进行转换，这样速率会提高。花费时间主要是在读取文件上。

[sensan]

数据一次性从文件中读取，处理时如果慢的话可以考虑多线程，对内容以若干行为单位分组后给每个处理线程

[chengtao999]

geimutilline


IO操作是比较费时，一次性尽量多读点。

[johnyang628]

[Quote=引用 10 楼 adamwyb 的回复:]
引用 8 楼 johnyang628 的回复:
数据量太大，我目前处理的一个文件已经达到700MB，最大估计将达到2GB，在目前的项目中，只是将数据从文件中读入内存作为参考用，不写文件，另外有没有一个比较好的显示进度百分比的方法，读一行显示一个百分比不现实。


百分比首先要知道你总共有多大的文件要读，然后根据你已经读取了多少进行比较。而且如果怕影响速度不一定百分之一的进度也要显示，可以达……
[/Quote]

但是如果有1千万行数据，那么每读取一行就需要比较是否达到设定的比例，同样要花费时间啊

[adamwyb]

[Quote=引用 19 楼 johnyang628 的回复:]
但是如果有1千万行数据，那么每读取一行就需要比较是否达到设定的比例，同样要花费时间啊
[/Quote]
那就读取50万行再比较一次。可以用一个值保存总共的行数，再用一个递增的值保存已经读取的行数。

[cdsnpeter]

是用内存影射文件吧。 如果你的程序已经写完了的话，使用内存影射文件改写打开文件的部分，影射到一块（或者多块Buffer上）。然后用这个Buffer做成CMemFile，这样就可以基本不用改动你处理文件内容的部分了，因为CMemFile和CFile的大部分的函数都一样。 和FILE*的操作函数的区别也比较小，对你程序的改动会最小。

[hztj2005]

我也遇到同样的问题，听说内存映射文件可以提高速度，但一直没试过，在这里向大家学习。