Question

我有4个dictionarys，包含800k字符串，200到6000个字符。当我把它加载到内存中它占用大约11演出的内存。我需要2分钟来解析数据，2分钟才能输出数据。无论如何输出数据比我下面使用的更快？我只获得每秒20-31 MB的磁盘IO，我知道硬盘可以做800ish

var hash1 = new Dictionary<int, Dictionary<string, string>>(f.Count + 2);
var hash2 = new Dictionary<int, Dictionary<string, string>>(f.Count + 2);
var hash3 = new Dictionary<int, Dictionary<string, string>>(f.Count + 2);
var hash4 = new Dictionary<int, Dictionary<string, string>>(f.Count + 2);
....
foreach (var me in mswithfilenames)
{
    filename = me.Key.ToString();
    string filenamef = filename + "index1";
    string filenameq = filename + "index2";
    string filenamefq = filename + "index3";
    string filenameqq = filename + "index4";

    StreamWriter sw = File.AppendText(filenamef);
    StreamWriter sw2 = File.AppendText(filenameq);
    StreamWriter swq = File.AppendText(filenamefq);
    StreamWriter sw2q = File.AppendText(filenameqq);

    for (i = 0; i <= totalinhash; i++)
    {
        if (hashs1[i].ContainsKey(filenamef))
        {
            sw.Write(hashs1[i][filenamef]);
        }
        if (hashs2[i].ContainsKey(filenameq))
        {
            sw2.Write(hashs2[i][filenameq]);
        }
        if (hashs3[i].ContainsKey(filenamefastaq))
        {
            swq.Write(hash4[i][filenamefastaq]);
        }

        if (hash4[i].ContainsKey(filenameqq))
        {
            sw2q.Write(hash4[i][filenameqq]);
        }
    }

    sw.Close();
    sw2.Close();
    sw3.Close();
    sw4.Close();
    swq.Close();
    sw2q.Close();
}

Answer 1

你有什么衡量标准吗？听起来你有大量的数据需要读写 - 所以第一步是为你的磁盘子系统建立绝对基线，读取/写入大量数据的速度。简单读取文件，然后写入您预期的大致数据量的新文件，将显示您可以在多大程度上优化它。

您可能会认为您的代码本身不会花费太多时间来阅读/写作。

Answer 2

最昂贵的部分是I / O.这个循环：

for (i = 0; i <= totalinhash; i++)
{
    if (hashs1[i].ContainsKey(filenamef))
    {
        sw.Write(hashs1[i][filenamef]);
    }
    if (hashs2[i].ContainsKey(filenameq))
    {
        sw2.Write(hashs2[i][filenameq]);
    }
    ...
}

在不同文件之间交替。这可能会导致一些额外的头部移动，并且会创建碎片文件（减慢将来对这些文件的操作）。

我会用：

for (i = 0; i <= totalinhash; i++)
{
    if (hashs1[i].ContainsKey(filenamef))
    {
        sw.Write(hashs1[i][filenamef]);
    }
}

for (i = 0; i <= totalinhash; i++)
{
    if (hashs2[i].ContainsKey(filenameq))
    {
        sw2.Write(hashs2[i][filenameq]);
    }
}
...

但当然你应该衡量这一点。例如，仅在机械磁盘上，它对SSD没有太大影响。

Answer 3

你能有一个Dictionary<int, Dictionary<string, myCustomDataHolder>>而不是四个独立的并行Dictionary<int, Dictionary<string, string>吗？它不仅应该减少占用的空间很多，而且意味着字典查找的1/4。

根据你的问题，字典是否完全平行还不是很清楚，但对我来说似乎已经足够了。

Answer 4

我想补充一下

if (hashs1[i].ContainsKey(filenamef))
{
   sw.Write(hashs1[i][filenamef]);
}

进行2次哈希表访问。一个用于包含密钥，一个用于实际访问。许多字典访问可以加起来，因此您可以使用字典tryGetValue方法将这些访问减半。这将把这两个调用合二为一。我可以解释一下这是如何工作的，但这比我做得更好：http://www.dotnetperls.com/trygetvalue

最佳输出字典

4 个答案: