我目前正致力于一个C ++项目，该项目涉及读取数千个小型（~20kb）文本文件，这些文件都是ASCII格式。
通过在分析之前将所有文件转换为二进制文件，我能否获得显着的性能提升？
答案 0 :(得分：11)
将字符串转换为数字虽然在cpu周期中不便宜，但却不是问题。 I / O涉及的开销量总是比转换大几个数量级。文件的大小也不是问题，磁盘提供的速度大约为20KB，大约为20KB，它们都来自同一磁道上的同一个集群。拥有数千个文件是 big 问题，打开文件涉及移动磁盘阅读器头，这需要永远。
因此，请专注于削减文件数量以获得实际收益。
答案 1 :(得分：6)
如果您正在处理文本，“ASCII”和“二进制”之间没有真正的区别。 ASCII是将二进制数据解释为文本。所以，如果我正确理解你的问题，答案是否定的，没有可能的转换，也没有性能改进。
答案 2 :(得分：3)
以二进制格式存储数据有两个好处：
如果您将文本表示转换为紧凑的二进制格式，那么将会有性能改进，但如果它们重要取决于您的特定情况。
如果数据流 已经是性能瓶颈，那么切换到二进制格式（甚至可能是压缩 - 从磁盘读取本身就很慢）会带来很多。
答案 3 :(得分：0)
可能，是的。但是，通过检查验证输入文件是不可能的，你将不得不花时间编写代码来对它们进行转码，并使用新代码来读取它们。如果您发现I / O时间是一个重大问题，我只会这样做。
答案 4 :(得分：0)
当二进制格式因此最小化任何解析要求时，您可以在加载时获得性能提升。例如，可以将内容转储到直接映射到“struct dump”的大块中。反过来又进一步的步骤可能会让您失去性能。这最终是否远远领先于ASCII将部分取决于ASCII的复杂性/低效性。
即使在二进制文件中花费你的步骤也包括：
如果您确定大部分执行时间是加载和解析，但是您只对固定数据集执行一次，则另一个选项可能是使用线程。设置一组并行工作程序，加载数据，然后将其放在队列中进行分析。