我在while循环中从UDP套接字读取数据。
我需要最有效的方式1)读取数据(*)(已经解决了,但评论很感激)
2)定期将(操纵的)数据转储到文件(**)(问题)
中我预计numpy的“tostring”方法存在瓶颈。让我们考虑下面一段(不完整的)代码:
import socket
import numpy
nbuf=4096
buf=numpy.zeros(nbuf,dtype=numpy.uint8) # i.e., an array of bytes
f=open('dump.data','w')
datasocket=socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
# ETC.. (code missing here) .. the datasocket is, of course, non-blocking
while True:
gotsome=True
try:
N=datasocket.recv_into(buf) # no memory-allocation here .. (*)
except(socket.error):
# do nothing ..
gotsome=False
if (gotsome):
# the bytes in "buf" will be manipulated in various ways ..
# the following write is done frequently (not necessarily in each pass of the while loop):
f.write(buf[:N].tostring()) # (**) The question: what is the most efficient way to do this?
f.close()
现在,在(**),据我所知:
1)buf [:N]为一个新的数组对象分配内存,长度为N + 1,对吧? (也许不是)
..之后:
2)buf [:N] .tostring()为新字符串分配内存,并将buf中的字节复制到该字符串中
这似乎是很多内存分配&交换。在同一个循环中,将来,我将读取几个套接字并写入几个文件。
有没有办法让f.write直接访问“buf”的内存地址,从0到N字节并将它们写入磁盘?
即,在缓冲接口的精神下这样做,并避免这两个额外的内存分配?
P上。 S. f.write(buf [:N] .tostring())等同于buf [:N] .tofile(f)
答案 0 :(得分:7)
基本上,听起来您想要使用数组的tofile
方法或直接使用ndarray.data
缓冲区对象。
对于您的确切用例,使用数组的data
缓冲区是最有效的,但是您需要注意一些常用的注意事项。我稍后会详细说明。
但是,首先让我回答你的几个问题并提供一些澄清:
buf[:N]
为新的数组对象分配内存,长度为N + 1,对吧?
这取决于你的意思"新的数组对象"。无论所涉及的阵列大小如何,都会分配很少的额外内存。
它为新的数组对象(几个字节)分配内存,但它不为数组的数据分配额外的内存。相反,它会创建一个"视图"共享原始数组的数据缓冲区。您对y = buf[:N]
所做的任何更改也会影响buf
。
buf [:N] .tostring()为新字符串分配内存,并将buf中的字节复制到该字符串中
是的,这是对的。
另一方面,您实际上可以采用相反的方式(字符串到数组)而不分配任何额外的内存:
somestring = 'This could be a big string'
arr = np.frombuffer(buffer(somestring), dtype=np.uint8)
但是,因为python字符串是不可变的,arr
将是只读的。
有没有办法告诉f.write直接访问" buf"的内存地址?从0到N字节并将它们写入磁盘?
是的!
基本上,您需要:
f.write(buf[:N].data)
这非常有效,适用于任何类文件对象。在这个确切的情况下,它几乎肯定是你想要的。但是,有几点需要注意!
首先请注意,N
将位于数组中的项目中,而不是直接以字节为单位。它们在您的示例代码中是等效的(由于dtype=np.int8
或任何其他8位数据类型)。
如果你确实想写一些字节,你可以做
f.write(buf.data[:N])
...但切片arr.data
缓冲区将分配一个新字符串,因此它在功能上类似于buf[:N].tostring()
。无论如何,请注意,对于大多数dtypes,执行f.write(buf[:N].tostring())
与执行f.write(buf.data[:N])
不同,但两者都会分配一个新字符串。
接下来,numpy数组可以共享数据缓冲区。在您的示例中,您不必担心这一点,但一般情况下,使用somearr.data
可能会因此而出现意外。
举个例子:
x = np.arange(10, dtype=np.uint8)
y = x[::2]
现在,y
与x
共享相同的内存缓冲区,但它在内存中不连续(请查看x.flags
vs y.flags
)。相反,它会在x
的内存缓冲区中引用其他每个项(比较x.strides
到y.strides
)。
如果我们尝试访问y.data
,我们会收到错误,告诉我们这不是内存中的连续数组,我们无法为其获取单段缓冲区:
In [5]: y.data
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-54-364eeabf8187> in <module>()
----> 1 y.data
AttributeError: cannot get single-segment buffer for discontiguous array
这是numpy数组有一个tofile
方法的原因很大一部分(它也是python&#39; s buffer
之前的那个,但是那个&#39}另一个故事)。
tofile
会将数组中的数据写入文件而不分配额外的内存。但是,因为它在C级实现,它只适用于真正的file
对象,而不适用于类似文件的对象(例如套接字,StringIO等)。
例如:
buf[:N].tofile(f)
但是,这是在C级实现的,只适用于实际的文件对象,而不适用于套接字,StringIO和其他类似文件的对象。
但这确实允许您使用任意数组索引。
buf[someslice].tofile(f)
将创建一个新视图(相同的内存缓冲区),并有效地将其写入磁盘。在您的确切情况下,它会比切片arr.data
缓冲区并直接将其写入磁盘稍慢。
如果您更喜欢使用数组索引(而不是字节数),那么ndarray.tofile
方法将比f.write(arr.tostring())
更有效。