草庐IT

c++ - 在一个大文件上进行许多小的盲写的最快方法(在 C++ 中)？

coder 2024-02-10 原文

我有一些非常大 (>4 GB) 的文件，其中包含(数百万)固定长度的二进制记录。我想(有效地)通过将指针(即 64 位记录编号)写入特定偏移量的记录中，将它们连接到其他文件中的记录。

为了详细说明，我有一对(键，记录号)元组列表，对于我想对给定文件对(例如 A 和 B)执行的每个连接，键排序。遍历列表对并匹配向上键产生一个(键，记录号 A，记录号 B)表示连接记录的元组列表(为简单起见假设 1:1 映射)。为了完成连接，我在概念上需要查找列表中的每个 A 记录，并在适当的偏移处写入相应的 B 记录号，反之亦然。我的问题是实际执行此操作的最快方法是什么？

由于连接记录的列表是按键排序的，因此关联的记录编号基本上是随机的。假设文件比操作系统磁盘缓存大得多，进行一堆随机查找和写入似乎效率极低。我尝试通过将 A->B 和 B->A 映射放在稀疏数组中来部分排序记录号，并在内存不足时将最密集的条目簇刷新到磁盘。这样做的好处是大大增加了在更新其第一个指针后为集群缓存适当记录的机会。然而，即使在这一点上，进行一堆查找和盲写通常更好，还是手动读取文件 block ，更新适当的指针，然后将 block 写回？虽然前一种方法要简单得多，并且可以由操作系统进行优化以执行最少的扇区读取(因为它知道扇区大小)和复制(它可以通过直接读入正确对齐的缓冲区来避免复制)，但它似乎将招致极高的系统调用开销。

虽然我喜欢可移植的解决方案(即使它依赖于广泛使用的库，例如 Boost)，但现代 Windows 和 Linux 是唯一必备的，因此我可以使用特定于操作系统的 API (例如 CreateFile 提示或分散/聚集 I/O)。但是，这可能需要大量工作才能尝试，所以我想知道是否有人可以告诉我这是否值得付出努力。

最佳答案

看起来你可以通过使用数据结构来解决这个问题。你有三个约束:

  • 访问时间必须相当快
  • 数据必须保持有序
  • 你在一个旋转的圆盘上

B+ Trees专为解决您在这里处理的工作负载而创建。链接的维基百科文章中有几个指向实现的链接。

本质上，B+ 树是一种二叉搜索树，除了节点组以组的形式聚集在一起。这样，B+ 树就不必四处寻找每个节点，一次只加载一个 block 。它保留了一些信息，以了解在搜索中需要哪个 block 。

编辑:如果您需要按多个项目排序，您可以这样做:


+--------+-------------+-------------+---------+
| Header | B+Tree by A | B+Tree by B | Records |
+--------+-------------+-------------+---------+
      ||      ^     |     ^    |          ^
      |\------/     |     |    |          |
      \-------------------/    |          |
                    |          |          |
                    \----------+----------/

即每个键都有单独的 B+ 树，还有一个单独的记录列表，指向这些记录的指针存储在 B+ 树中。

关于c++ - 在一个大文件上进行许多小的盲写的最快方法(在 C++ 中)？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3216494/

amp大文section的偏移c++performancefile-io

有关c++ - 在一个大文件上进行许多小的盲写的最快方法(在 C++ 中)？的更多相关文章

  1. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  2. ruby - 其他文件中的 Rake 任务 - 2

    我试图在一个项目中使用rake，如果我把所有东西都放到Rakefile中，它会很大并且很难读取/找到东西，所以我试着将每个命名空间放在lib/rake中它自己的文件中，我添加了这个到我的rake文件的顶部:Dir['#{File.dirname(__FILE__)}/lib/rake/*.rake'].map{|f|requiref}它加载文件没问题，但没有任务。我现在只有一个.rake文件作为测试，名为“servers.rake”，它看起来像这样:namespace:serverdotask:testdoputs"test"endend所以当我运行rakeserver:testid时

  3. ruby-on-rails - 在 Rails 中将文件大小字符串转换为等效千字节 - 2

    我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，

  4. ruby-on-rails - Rails 3 中的多个路由文件 - 2

    Rails2.3可以选择随时使用RouteSet#add_configuration_file添加更多路由。是否可以在Rails3项目中做同样的事情？ 最佳答案 在config/application.rb中:config.paths.config.routes在Rails3.2(也可能是Rails3.1)中，使用:config.paths["config/routes"] 关于ruby-on-rails-Rails3中的多个路由文件，我们在StackOverflow上找到一个类似的问题

  5. ruby - 将差异补丁应用于字符串/文件 - 2

    对于具有离线功能的智能手机应用程序，我正在为Xml文件创建单向文本同步。我希望我的服务器将增量/差异(例如GNU差异补丁)发送到目标设备。这是计划:Time=0Server:hasversion_1ofXmlfile(~800kiB)Client:hasversion_1ofXmlfile(~800kiB)Time=1Server:hasversion_1andversion_2ofXmlfile(each~800kiB)computesdeltaoftheseversions(=patch)(~10kiB)sendspatchtoClient(~10kiBtransferred)Cl

  6. ruby - 如何将脚本文件的末尾读取为数据文件(Perl 或任何其他语言) - 2

    我正在寻找执行以下操作的正确语法(在Perl、Shell或Ruby中):#variabletoaccessthedatalinesappendedasafileEND_OF_SCRIPT_MARKERrawdatastartshereanditcontinues. 最佳答案 Perl用__DATA__做这个:#!/usr/bin/perlusestrict;usewarnings;while(){print;}__DATA__Texttoprintgoeshere 关于ruby-如何将脚

  7. ruby - 使用 Vim Rails，您可以创建一个新的迁移文件并一次性打开它吗？ - 2

    使用带有Rails插件的vim，您可以创建一个迁移文件，然后一次性打开该文件吗？textmate也可以这样吗？ 最佳答案 你可以使用rails.vim然后做类似的事情::Rgeneratemigratonadd_foo_to_bar插件将打开迁移生成的文件，这正是您想要的。我不能代表textmate。 关于ruby-使用VimRails，您可以创建一个新的迁移文件并一次性打开它吗？，我们在StackOverflow上找到一个类似的问题： https://sta

  8. ruby-on-rails - Rails - 一个 View 中的多个模型 - 2

    我需要从一个View访问多个模型。以前，我的links_controller仅用于提供以不同方式排序的链接资源。现在我想包括一个部分(我假设)显示按分数排序的顶级用户(@users=User.all.sort_by(&:score))我知道我可以将此代码插入每个链接操作并从View访问它，但这似乎不是“ruby方式”，我将需要在不久的将来访问更多模型。这可能会变得很脏，是否有针对这种情况的任何技术？注意事项:我认为我的应用程序正朝着单一格式和动态页面内容的方向发展，本质上是一个典型的网络应用程序。我知道before_filter但考虑到我希望应用程序进入的方向，这似乎很麻烦。最终从任何

  9. ruby-on-rails - 渲染另一个 Controller 的 View - 2

    我想要做的是有2个不同的Controller，client和test_client。客户端Controller已经构建，我想创建一个test_clientController，我可以使用它来玩弄客户端的UI并根据需要进行调整。我主要是想绕过我在客户端中内置的验证及其对加载数据的管理Controller的依赖。所以我希望test_clientController加载示例数据集，然后呈现客户端Controller的索引View，以便我可以调整客户端UI。就是这样。我在test_clients索引方法中试过这个:classTestClientdefindexrender:template=>

  10. ruby-on-rails - 如何优雅地重启 thin + nginx？ - 2

    我的瘦服务器配置了nginx，我的ROR应用程序正在它们上运行。在我发布代码更新时运行thinrestart会给我的应用程序带来一些停机时间。我试图弄清楚如何优雅地重启正在运行的Thin实例，但找不到好的解决方案。有没有人能做到这一点？ 最佳答案 #Restartjustthethinserverdescribedbythatconfigsudothin-C/etc/thin/mysite.ymlrestartNginx将继续运行并代理请求。如果您将Nginx设置为使用多个上游服务器，例如server{listen80;server

随机推荐