为了了解一次读取整个文件与逐行读取整个文件有何不同,我对一个大约 99MB、超过 1,000,000 行的文件进行了测试。
greg-mbp-wireless:Desktop greg$ wc filelist.txt
1003002 1657573 99392863 filelist.txt
我将以下循环放入 ruby 文件中,并使用 time 命令从命令行运行它:
IO.read(ARGV.first).lines { |l|
}
greg-mbp-wireless:Desktop greg$ time ruby test.rb filelist.txt
real 0m1.411s
user 0m0.653s
sys 0m0.169s
然后我将其更改为逐行读取并计时:
IO.readlines(ARGV.first) { |l|
}
greg-mbp-wireless:Desktop greg$ time ruby test.rb filelist.txt
real 0m1.053s
user 0m0.741s
sys 0m0.278s
我不知道为什么,但是逐行阅读会更快。这可能与内存分配有关,因为在第一个示例中 Ruby 尝试将整个文件加载到 RAM 中,或者可能这是一个异常,因为我只为每个文件做了一次测试。用一个read
使用显式文件大小可能会更快,因为 Ruby 会知道需要提前分配多少。
这就是我测试这个所需的全部:
fcontent = ''
File.open(ARGV.first, 'r') do |fi|
fsize = fi.size
fcontent = fi.read(fsize)
end
puts fcontent.size
greg-mbp-wireless:Desktop greg$ time ruby test.rb filelist.txt
99392863
real 0m0.168s
user 0m0.010s
sys 0m0.156s
看起来知道需要读多少内容会有很大的不同。
添加回字符串缓冲区的循环会导致以下结果:
File.open(ARGV.first, 'r') do |fi|
fsize = fi.size
fi.read(fsize).lines { |l|
}
end
greg-mbp-wireless:Desktop greg$ time ruby test.rb filelist.txt
real 0m0.732s
user 0m0.572s
sys 0m0.158s
这仍然是一个进步。
如果您使用队列并从负责读取文件的线程提供队列,然后从处理传入文本的任何进程中消耗队列,那么您可能会看到更高的总体吞吐量。