c++ - 拆分大文件

Question

我正在开发一个分布式系统，在该系统中，服务器会将大量任务分发给处理这些任务并返回结果的客户端。
服务器必须接受大小为 20Gb 量级的大文件。

服务器必须将该文件拆分成更小的部分，并将路径发送给客户端，客户端将依次对文件进行 scp 并处理它们。

我正在使用 read 和 write 来执行文件拆分，但速度慢得离谱。

代码

//fildes - Source File handle
//offset - The point from which the split to be made  
//buffersize - How much to split  

//This functions is called in a for loop   

void chunkFile(int fildes, char* filePath, int client_id, unsigned long long* offset, int buffersize) 
{
    unsigned char* buffer = (unsigned char*) malloc( buffersize * sizeof(unsigned char) );
    char* clientFileName = (char*)malloc( 1024 );
    /* prepare client file name */
    sprintf( clientFileName, "%s%d.txt",filePath, client_id);

    ssize_t readcount = 0;
    if( (readcount = pread64( fildes, buffer, buffersize, *offset ) ) < 0 ) 
    {
            /* error reading file */
            printf("error reading file \n");
    } 
    else 
    {
            *offset = *offset + readcount;
            //printf("Read %ud bytes\n And offset becomes %llu\n", readcount, *offset);
            int clnfildes = open( clientFileName, O_CREAT | O_TRUNC | O_WRONLY , 0777);

            if( clnfildes < 0 ) 
            {
                    /* error opening client file */
            } 
            else 
            {
                    if( write( clnfildes, buffer, readcount ) != readcount ) 
                    {
                            /* eror writing client file */
                    } 
                    else 
                    {
                            close( clnfildes );
                    }
            }
    }

    free( buffer );
    return;
}  

1. 有没有更快的分割文件的方法？
2. 有没有什么方法客户端可以在不使用 scp 的情况下访问文件中的 block (读取而不传输)？

我正在使用 C++。如果其他语言可以执行得更快，我准备好使用它们。

Answer 1

您可以将文件放在网络服务器的范围内，然后从客户端使用 curl

curl --range 10000-20000 http://the.server.ip/file.dat > result

将获得 10000 个字节(从 10000 到 20000)

如果文件高度冗余并且网络速度很慢，可能使用压缩可以帮助加快传输速度。例如执行

nc -l -p 12345 | gunzip > chunk

在客户端然后执行

dd skip=10000 count=10000 if=bigfile bs=1 | gzip | nc client.ip.address 12345

在服务器上，您可以在不需要创建中间文件的情况下即时传输一个片段进行 gzip 压缩。

编辑

通过网络使用压缩从服务器获取文件的一部分的单个命令是

ssh server 'dd skip=10000 count=10000 bs=1 if=bigfile | gzip' | gunzip > chunk