我正在python中实现基于HDD的体验重播（强化学习），并将其保存在numpy中，并使用线程从硬盘中采样批处理，以避免减慢主线程（学习算法）的速度。
使用简单的numpy.save（）和numpy.load（）似乎对于我来说已经足够快了，大约一个小时，主线程最多可以保存大约30000个体验（预期总数为1000000）不会出现任何减速，我将其配置为挂钟时间（在获取互斥锁上没有挂钟时间）。
但是，经过一段时间后，HDD的采样时间大大增加，主线程最多等待500毫秒等待下一批。
这种行为对我来说是完全陌生的，但是我已经在数台计算机上对其进行了多次测试，结果是一致的。
我意识到问题描述很模糊，但是我很难描述一个无法真正理解的问题。任何有关随着时间的流逝而放缓的原因的指针，将不胜感激。
谢谢！