我需要读取存储在内存映射文件中的巨大numpy数组的部分内容,处理数据并重复数组的另一部分。整个numpy阵列占用大约50 GB,我的机器有8 GB RAM。
我最初使用numpy.memmap创建了内存映射文件,方法是读入大量较小的文件并处理数据,然后将处理后的数据写入memmap文件。在创建memmap文件的过程中,我没有内存问题(我定期使用memmap.flush())。以下是我创建内存映射文件的方法:
mmapData = np.memmap(mmapFile,mode='w+', shape=(large_no1,large_no2))
for i1 in np.arange(numFiles):
auxData = load_data_from(file[i1])
mmapData[i1,:] = auxData
mmapData.flush() % Do this every 10 iterations or so
然而,当我尝试访问memmap文件的小部分(<10 MB)时,它会在创建memmap对象时泛滥我的整个ram。机器急剧减速,我无能为力。以下是我尝试从内存映射文件中读取数据的方法:
mmapData = np.memmap(mmapFile, mode='r',shape=(large_no1,large_no2))
aux1 = mmapData[5,1:1e7]
我认为使用mmap或numpy.memmap应该允许我访问大量数组的部分而不尝试将整个内容加载到内存中。我错过了什么?
我是否使用错误的工具访问存储在磁盘中的大型numpy阵列(> 20 GB)的部分?
答案 0 :(得分:1)
可能是你在看虚拟而不是物理内存消耗,而减速来自其他东西吗?