加载中…
个人资料
  • 博客等级:
  • 博客积分:
  • 博客访问:
  • 关注人气:
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

用C语言读取大文件的问题--内存映射

(2011-08-24 12:32:24)
标签:

it

分类: 其它

Windows对文件的读写提供了很丰富的操作手段,如: 1. FILE *fp, fstearm...; (C/C++)2. CFile, CStdioFile...; (MFC)3. CreateFile, ReadFile...;(API)... 在处理一般的文件(文本/非文本),这些足够了。然而在 ...
Windows对文件的读写提供了很丰富的操作手段,如:
1. FILE *fp, fstearm...; (C/C++)
2. CFile, CStdioFile...; (MFC)
3. CreateFile, ReadFile...;(API)
...

在处理一般的文件(文本/非文本),这些足够了。然而在处理比较大的文件如
几十M, 几百M, 甚至上G的文件, 这时再用一般手段处理,系统就显的力不从心了

要把文件读出,再写进,耗费的是CPU利用率与内存以及IO的频繁操作。这显然是
令用户难以忍受的

为了解决这个吃内存,占CPU,以及IO瓶颈,windows核心编程提供了内存映射文件技术
(Maping File)

至于Maping File是什么原理,我不多说了,网上转载资源一箩筐,我只想从应用层
来考虑,怎样用这个技术,实现日常项目中的应用
举例来说:
可能项目中,会经常用到一些大量的常量,而这些大量常量用宏来替代写再源文件中
显然不可取,一般是写在文件中,给常量一些编号,通过编号来索引

一般文件比较小时候,常用做法也是先预读到内存中,毕竟从内存中读比从文件中读要快(IO操作的瓶颈)
比较好的做法,读到STL MAP 中去:
例如一个索引文件:
SEU07201213=一颗欲枯的草
FANG=方
SEU07201214=CSDN
............
打开文件,解析=号,在解析方面有CString操作,strtok,strstr, boost 正则表达式匹配等等,但我比较喜欢

sscanf(szIndex, "%[^=]=%[^=]", sName, sValue); sscanf(szIndex, "%[^=]=%s", sName, sValue); fscanf(stream, "%[^=]=%[^=]", sName, sValue);
之类,
然后再定义一个map:
map<string, string> m_Map;
m_Map[sName] = sValue;

但是文件比较大的时候,笔者做过测试,用上面方法处理一个15M, 25万行的文本文件,占用内存非常
的高,达70多M,处理的速度也非常的慢,这还不包括回写到文件
这时,Maping File就派上用场了,这里处理大文件就抛弃了map的应用(因为容器占用很多内存)
而是直接利用字符指针来操作,不用其他封装,不多说了,请看示例:

 

 

#pragma warning(disable: 4786)  #include <windows.h> #include <stdio.h> #include <iostream> #include <string>  using namespace std;  string GetValue(const TCHAR *, const TCHAR *);  //根据name得value void main(int argc, char* argv[]) {     // 创建文件对象(C: est.tsr)     HANDLE hFile = CreateFile("C:/test.tsr", GENERIC_READ | GENERIC_WRITE,0, NULL, OPEN_EXISTING, FILE_ATTRIBUTE_NORMAL, NULL);     if (hFile == INVALID_HANDLE_VALUE)            printf("创建文件对象失败,错误代码:%d ", GetLastError());         return;        // 创建文件映射对象     HANDLE hFileMap = CreateFileMapping(hFile, NULL, PAGE_READWRITE, 0, 0, NULL);     if (hFileMap == NULL)            printf("创建文件映射对象失败,错误代码:%d ", GetLastError());         return;        // 得到系统分配粒度     SYSTEM_INFO SysInfo;     GetSystemInfo(&SysInfo);     DWORD dwGran = SysInfo.dwAllocationGranularity;     // 得到文件尺寸     DWORD dwFileSizeHigh;     __int64 qwFileSize = GetFileSize(hFile, &dwFileSizeHigh);     qwFileSize |= (((__int64)dwFileSizeHigh) << 32);     // 关闭文件对象     CloseHandle(hFile);     // 偏移地址      __int64 qwFileOffset = 0;     // 块大小     DWORD dwBlockBytes = 1000 * dwGran;     if (qwFileSize < 1000 * dwGran)         dwBlockBytes = (DWORD)qwFileSize;     if (qwFileOffset >= 0)            // 映射视图         TCHAR *lpbMapAddress = (TCHAR *)MapViewOfFile(hFileMap,FILE_MAP_ALL_ACCESS,              0, 0,             dwBlockBytes);         if (lpbMapAddress == NULL)         ...{             printf("映射文件映射失败,错误代码:%d ", GetLastError());             return;                  //-----------------------访问数据开始-------------------------         cout<<GetValue(lpbMapAddress,"SEU07201213")<<endl;         getchar(); //-----------------------访问数据结束-------------------------                      // 撤销文件映像         UnmapViewOfFile(lpbMapAddress);        // 关闭文件映射对象句柄     CloseHandle(hFileMap);     } string GetValue(const TCHAR *lpbMapAddress, const TCHAR *sName) {    string sValue;  // 存放 = 后面的value值   TCHAR *p1 = NULL, *p2 = NULL; // 字符指针   if((p1 = strstr(lpbMapAddress,sName)) != NULL) // 查找sName出现位置     if(p2 = strstr(p1,"/r/n")) *p2 = '/0'; // 查找"/r/n"(换行)出现位置    sValue = p1+strlen(sName)+strlen("="); // 指针移动"sName"+"="之后    *p2 = '/r';  // 还原*p2值,因为不还原会改变原文件结构    return sValue; } ... 

以上实现了根据索引name匹配value的简单过程,经测试,同样25W行文件,匹配耗费1秒不到,且不占本进程内存。
以上修改lpbMapAddress任意处值,也不需要重新回写到文件,真正是大大提高了文件读与写的效率

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有