file - 使用小 RAM 在 Go 中读取大文件的最快方法

Question

<分区>

Answer 1

基本上有两种不同的方法来解析文件:文档解析和流解析。

文档解析从文件中读取数据并将其转换为一大组您可以查询的对象，例如 HTML DOM在浏览器中。优点是您可以轻松获得完整的数据，这通常更简单。缺点是您必须将其全部存储在内存中。

dom = parse(stuff)

// Now do whatever you like with the DOM

流式解析改为一次读取一个元素并将其呈现给您以供立即使用，然后继续进行下一个元素。

for element := range stream(stuff) {
    ...examine one element at a time...
}

优点是您不必将整个内容加载到内存中。缺点是您必须在数据经过时对其进行处理。这对于搜索或任何其他需要逐一处理的事情非常有用。

---

幸运的是，Go 提供了库来为您处理常见格式。

一个简单的例子是处理 CSV 文件。

package main

import(
    "encoding/csv"
    "fmt"
    "log"
    "os"
    "io"
)

func main() {
    file, err := os.Open("test.csv")
    if err != nil {
        log.Fatal(err)
    }

    parser := csv.NewReader(file)

    ...
}

我们可以将整个内容作为一个大的[][]string 放入内存。

records, err := parser.ReadAll()
if err != nil {
    log.Fatal(err)
}

for _,record := range records {
    fmt.Println(record)
}

或者我们可以节省大量内存并一次处理一行。

for {
    record, err := parser.Read()
    if err == io.EOF {
        break
    }
    if err != nil {
        log.Fatal(err)
    }

    fmt.Println(record)
}

由于 CSV 的每一行在功能上都是相同的，因此一次处理一行最有意义。

JSON 和 XML 更为复杂，因为它们是大型嵌套结构，但它们也可以流式传输。有 an example of streaming in the encoding/json documentation .

---

如果您的代码不是一个简单的循环怎么办？如果你想利用并发怎么办？使用一个 channel 和一个 goroutine 与程序的其余部分同时提供它。

records := make( chan []string )
go func() {
    parser := csv.NewReader(file)

    defer close(records)
    for {
        record, err := parser.Read()
        if err == io.EOF {
            break
        }
        if err != nil {
            log.Fatal(err)
        }

        records <- record
    }
}();

现在您可以将记录传递给可以处理它们的函数。

func print_records( records chan []string ) {
    for record := range records {
        fmt.Println(record)
    }
}