阅读非常大的文本文件,我应该合并异步吗？

Question

我一直面临着制作一种方法的挑战,该方法将非常大的文本文件读入程序,这些文件的范围可以从2gb到100gb.

到目前为止,这个想法一直是读取方法中的几千行文本.

目前,使用流阅读器设置程序,逐行读取文件并处理在该行上找到的必要数据区域.

using (StreamReader reader = new StreamReader("FileName"))
{
    string nextline = reader.ReadLine();
    string textline = null;

    while (nextline != null)
    {
        textline = nextline;
        Row rw = new Row();
        var property = from matchID in xmldata
                       from matching in matchID.MyProperty
                       where matchID.ID == textline.Substring(0, 3).TrimEnd()
                       select matching;

        string IDD = textline.Substring(0, 3).TrimEnd();

        foreach (var field in property)
        {
            Field fl = new Field();

            fl.Name = field.name;
            fl.Data = textline.Substring(field.startByte - 1, field.length).TrimEnd();
            fl.Order = order;
            fl.Show = true;

            order++;

            rw.ID = IDD;
            rw.AddField(fl);
        }
        rec.Rows.Add(rw);
        nextline = reader.ReadLine();

        if ((nextline == null) || (NewPack == nextline.Substring(0, 3).TrimEnd()))
        {
            d.ID = IDs.ToString();
            d.Records.Add(rec);
            IDs++;
            DataList.Add(d.ID, d);
            rec = new Record();

            d = new Data();
        }
    }
}

该程序继续进行并填充一个类.(刚决定不发布其余的)

我知道一旦程序显示一个非常大的文件,就会发生内存异常错误.

所以这是我目前的问题,到目前为止我一直在谷歌搜索几种方法,很多人只是回答使用流阅读器和reader.readtoend,我知道readtoend不会为我工作,因为我会得到那些内存错误.

最后,我一直在研究异步作为一种创建方法的方法,该方法将在处理下一行数量之前读取一定数量的行并等待调用.

这让我想到了我的问题,我正在努力理解异步,我似乎无法找到任何可以帮助我学习的材料,并希望有人在这里可以帮助我了解异步的方法.

当然,如果有人知道更好的方法来解决这个问题,我很满意.

编辑添加了剩余的代码以结束任何混淆.

Answer 1

你的问题不同步五世的异步的,那就是你正在阅读的整个文件和存储文件的部分在内存中,你之前做一些与该数据.

如果您正在读取每一行,处理它并将结果写入另一个文件/数据库,那么StreamReader将允许您处理多GB(或TB)文件.

即使世界只有当你存储的文件的部分,直到你读完它,然后你可以运行到内存的问题(但你会惊奇地发现你如何让大的问题Lists和Dictionaries你耗尽内存前得到)

您需要做的是尽快保存已处理的数据,而不是将其保留在内存中(或尽可能保留在内存中).

对于大型文件,您可能需要将工作集(处理数据)保存在数据库中 - 可能像SqlExpress或SqlLite那样(但同样,它取决于工作集的大小).

希望这有帮助,不要犹豫,在评论中提出进一步的问题,或编辑你的原始问题,如果我能以任何方式提供帮助,我会更新这个答案.

更新 - 分页/分块

您需要以一页的块读取文本文件,并允许用户滚动文件中的"页面".当用户滚动时,您将阅读并在下一页中显示它们.

现在,您可以做一些事情来帮助自己,始终在内存中保留大约10页,这样,如果用户非常快速地向上/向下翻页几页,您的应用就可以做出响应.在应用程序空闲时间(应用程序空闲事件)中,您可以在接下来的几页中读取,再次丢弃当前页面之前或之后超过五页的页面.

向后分页是一个问题,因为您不知道每行在文件中的开始或结束位置,因此您不知道每个页面的开始或结束位置.因此,对于向后翻页,当您通读文件时,请在每个页面的开头保留一个偏移列表(Stream.Pos),然后您可以快速Seek到达给定位置并从那里读取页面.

如果您需要允许用户搜索文件,那么您几乎可以逐行读取文件(记住页面偏移,然后查找文本),然后当您找到某些内容时,请阅读并使用那个页面.

您可以通过将文件预处理到数据库来加速一切,有一些网格控件可以处理动态数据集(它们将为您进行分页),并且您可以获得内置搜索/过滤器的好处.

因此,从某个角度来看,这是异步读取文件,但这是从用户的角度来看.但从技术角度来看,当我们谈论在编程时做异步时,我们往往会有别的意思.