c++ - 性能读取二进制文件

Question

我有一个程序可以从一个非常大的二进制文件 (48 MB) 中读取数据，然后将数据传递给一个名为 pixel 的自定义结构矩阵:

struct pixel {
    int r;
    int g;
    int b;
};

打开文件:

ifstream myFile(inputPath, ios::binary);
pixel **matrixPixel;

文件的读取是这样完成的:

int position = 0;

for (int i = 0; i < HEIGHT; ++i) {
        for (int j = 0; j < WIDTH; ++j) {
            if (!myFile.eof()) {
                myFile.seekg(position, ios::beg);
                myFile.read((char *) &matrixPixel[i][j].r, 1); // red byte
                myFile.seekg(position + HEIGHT * WIDTH, ios::beg);
                myFile.read((char *) &matrixPixel[i][j].g, 1); // green byte
                myFile.seekg(position + HEIGHT * WIDTH * 2, ios::beg);
                myFile.read((char *) &matrixPixel[i][j].b, 1); // blue byte
                ++position;
            }
        }
    }
myFile.close();

问题是，对于像开头那个这样的大文件，需要花费很多时间(~7 分钟)并且应该对其进行优化。我怎样才能在更短的时间内读取文件？

Answer 1

因此，您存储在内存中的数据结构如下所示:

rgbrgbrgbrgbrgbrgbrgbrgbrgbrgb..............rgb

但是您正在阅读的文件结构如下所示(假设您的代码逻辑正确):

rrrrrrrrrrrrrrrrrrrrrrrrrrr....
ggggggggggggggggggggggggggg....
bbbbbbbbbbbbbbbbbbbbbbbbbbb....

在您的代码中，您在两者之间进行转换。从根本上说，这会很慢。而且，您已选择通过手动搜索文件中的任意点来读取文件。这会进一步减慢速度。

您可以做的第一件事是简化硬盘读取:

for(int channel = 0; channel < 3; channel++) {
    for (int i = 0; i < HEIGHT; ++i) {
        for (int j = 0; j < WIDTH; ++j) {
            if (!myFile.eof()) {
                switch(channel) {
                    case 0: myFile.read((char *) &matrixPixel[i][j].r, 1); break;
                    case 1: myFile.read((char *) &matrixPixel[i][j].g, 1); break;
                    case 2: myFile.read((char *) &matrixPixel[i][j].b, 1); break;
                }
            }
        }
    }
}

这需要对您的代码进行最少的更改，并且会加快您的代码速度，但代码可能仍然很慢。

一种增加 CPU 使用率但显着减少硬盘使用率(在绝大多数应用程序中会导致加速)的更好方法是像这样存储数据:

std::vector<unsigned char> reds(WIDTH * HEIGHT);
std::vector<unsigned char> greens(WIDTH * HEIGHT);
std::vector<unsigned char> blues(WIDTH * HEIGHT);

myFile.read(reds.data(), WIDTH * HEIGHT); //Stream can be checked for errors resulting from EOF or other issues.
myFile.read(greens.data(), WIDTH * HEIGHT);
myFile.read(blues.data(), WIDTH * HEIGHT);

std::vector<pixel> pixels(WIDTH * HEIGHT);

for(size_t index = 0; index < WIDTH * HEIGHT; index++) {
    pixels[index].r = reds[index];
    pixels[index].g = greens[index];
    pixels[index].b = blues[index];
}

最终的最佳方法是更改​​二进制文件的格式化方式，因为它的格式化方式看起来很疯狂(从性能角度来看)。如果文件被重新格式化为 rgbrgbrgbrgbrgb 风格(这在行业中更为标准)，您的代码将简单地变成这样:

struct pixel {
    unsigned char red, green, blue;
}; //You'll never read values above 255 when doing byte-length color values.
std::vector<pixel> pixels(WIDTH * HEIGHT);
myFile.read(reinterpret_cast<char*>(pixels.data()), WIDTH * HEIGHT * 3);

这是非常短的，并且可能会胜过所有其他方法。但当然，这可能不适合您。

我没有测试过这些方法中的任何一个(可能会有一两个错字)，但所有这些方法都应该比您目前正在做的更快。