使用缓冲在C++中逐行读取大文本文件

Question

我需要在C++中逐行读取大盘中的35G文件.目前我通过以下方式实现:

ifstream infile("myfile.txt");
string line;
while (true) {
    if (!getline(infile, line)) break;
    long linepos = infile.tellg();
    process(line,linepos);
}

但它给了我大约2MB /秒的性能,尽管文件管理器以100Mb/s的速度复制文件.我想这getline()不是正确的缓冲.请提出一些缓冲的逐行读取方法.

UPD:process()不是瓶颈,没有process()的代码以相同的速度工作.

Answer 1

使用标准IO流,您将无法接近线速度.是否缓冲,几乎任何解析都会使你的速度降低几个数量级.我在由两个整数和一个双线组成的数据文件(Ivy Bridge芯片,SSD)上进行了实验:

• 各种组合的IO流:~10 MB/s.纯解析(f >> i1 >> i2 >> d)比getline字符串后跟sstringstream解析更快.
• C文件操作就像fscanf大约40 MB/s一样.
• getline 没有解析:180 MB/s.
• fread:500-800 MB/s(取决于文件是否由操作系统缓存).

I/O不是瓶颈,解析就是.换句话说,你process可能是你的慢点.

所以我写了一个并行解析器.它由任务组成(使用TBB管道):

1. fread 大块(一次一个这样的任务)
2. 重新排列块,使得一行不在块之间分割(一次一个这样的任务)
3. 解析块(很多这样的任务)

我可以有无限的解析任务,因为我的数据无论如何都是无序的.如果你不是,那么这对你来说可能是不值得的.这种方法让我在4核IvyBridge芯片上大约100 MB/s.

Answer 2

我已经从我的 java 项目中翻译了我自己的缓冲代码，它满足了我的需要。我必须进行定义来克服 M$VC 2010 编译器tellg 的问题，它总是在大文件上给出错误的负值。该算法提供了大约 100MB/s 的所需速度，尽管它做了一些无用的 new[]。

void readFileFast(ifstream &file, void(*lineHandler)(char*str, int length, __int64 absPos)){
        int BUF_SIZE = 40000;
        file.seekg(0,ios::end);
        ifstream::pos_type p = file.tellg();
#ifdef WIN32
        __int64 fileSize = *(__int64*)(((char*)&p) +8);
#else
        __int64 fileSize = p;
#endif
        file.seekg(0,ios::beg);
        BUF_SIZE = min(BUF_SIZE, fileSize);
        char* buf = new char[BUF_SIZE];
        int bufLength = BUF_SIZE;
        file.read(buf, bufLength);

        int strEnd = -1;
        int strStart;
        __int64 bufPosInFile = 0;
        while (bufLength > 0) {
            int i = strEnd + 1;
            strStart = strEnd;
            strEnd = -1;
            for (; i < bufLength && i + bufPosInFile < fileSize; i++) {
                if (buf[i] == '\n') {
                    strEnd = i;
                    break;
                }
            }

            if (strEnd == -1) { // scroll buffer
                if (strStart == -1) {
                    lineHandler(buf + strStart + 1, bufLength, bufPosInFile + strStart + 1);
                    bufPosInFile += bufLength;
                    bufLength = min(bufLength, fileSize - bufPosInFile);
                    delete[]buf;
                    buf = new char[bufLength];
                    file.read(buf, bufLength);
                } else {
                    int movedLength = bufLength - strStart - 1;
                    memmove(buf,buf+strStart+1,movedLength);
                    bufPosInFile += strStart + 1;
                    int readSize = min(bufLength - movedLength, fileSize - bufPosInFile - movedLength);

                    if (readSize != 0)
                        file.read(buf + movedLength, readSize);
                    if (movedLength + readSize < bufLength) {
                        char *tmpbuf = new char[movedLength + readSize];
                        memmove(tmpbuf,buf,movedLength+readSize);
                        delete[]buf;
                        buf = tmpbuf;
                        bufLength = movedLength + readSize;
                    }
                    strEnd = -1;
                }
            } else {
                lineHandler(buf+ strStart + 1, strEnd - strStart, bufPosInFile + strStart + 1);
            }
        }
        lineHandler(0, 0, 0);//eof
}

void lineHandler(char*buf, int l, __int64 pos){
    if(buf==0) return;
    string s = string(buf, l);
    printf(s.c_str());
}

void loadFile(){
    ifstream infile("file");
    readFileFast(infile,lineHandler);
}