Как быстро считать строки?

Я попробовал unxutils 'wc -l, но он разбился для файлов объемом 1 ГБ. Я пробовал этот код С#

long count = 0;
using (StreamReader r = new StreamReader(f))
{
    string line;
    while ((line = r.ReadLine()) != null)
    {
        count++;
    }
}

return count;

Он читает 500 МБ файл за 4 секунды

var size = 256;
var bytes = new byte[size];
var count = 0;
byte query = Convert.ToByte('\n');
using (var stream = File.OpenRead(file))
{
    int many;
    do
    {
        many = stream.Read(bytes, 0, size);
        count += bytes.Where(a => a == query).Count();                    
    } while (many == size);
}

Считывает через 10 секунд

var count = 0;
int query = (int)Convert.ToByte('\n');
using (var stream = File.OpenRead(file))
{
    int current;
    do
    {
        current = stream.ReadByte();
        if (current == query)
        {
            count++;
            continue;
        }
    } while (current!= -1);
}

Занимает 7 секунд

Что-нибудь быстрее я еще не пробовал?

Ответы

Ответ 1

Ваш первый подход уже выглядит как оптимальное решение. Имейте в виду, что вы в основном не связаны с ЦП, но ограничены скоростью чтения HD, которая при 500 МБ /4 сек = 125 МБ/с уже довольно быстро. Единственный способ получить быстрее, чем через RAID или использование SSD, а не только с помощью лучшего алгоритма.

Ответ 2

File.ReadLines был введен в .NET 4.0

var count = File.ReadLines(file).Count();

работает через 4 секунды, в то же время, что и первый фрагмент кода

Ответ 3

Вы просто ищете инструмент для подсчета строк в файле и эффективно? Если да, попробуйте MS LogParser

Что-то вроде ниже даст вам количество строк:

LogParser "SELECT count(*) FROM file" -i:TEXTLINE

Ответ 4

Если вы действительно хотите быстро, рассмотрите C-код.

Если это утилита командной строки, она будет быстрее, потому что ей не придется инициализировать CLR или .NET. И он не перераспределяет новую строку для каждой строки, считанной из файла, что, вероятно, экономит время на пропускную способность.

У меня нет файлов с 1g строк, поэтому я не могу сравнивать. вы можете попробовать, хотя:

/*
 * LineCount.c
 *
 * count lines...
 *
 * compile with: 
 *
 *  c:\vc10\bin\cl.exe /O2 -Ic:\vc10\Include -I\winsdk\Include 
 *          LineCount.c -link /debug /SUBSYSTEM:CONSOLE /LIBPATH:c:\vc10\Lib
 *          /LIBPATH:\winsdk\Lib /out:LineCount.exe
 */

#include <stdio.h>
#include <string.h>
#include <stdlib.h>


void Usage(char *appname)
{
    printf("\nLineCount.exe\n");
    printf("  count lines in a text file...\n\n");
    printf("usage:\n");
    printf("  %s <filename>\n\n", appname);
}



int linecnt(char *file)
{
    int sz = 2048;
    char *buf = (char *) malloc(sz);
    FILE *fp = NULL;
    int n= 0;
    errno_t rc = fopen_s(&fp, file, "r");

    if (rc) {
        fprintf(stderr, "%s: fopen(%s) failed: ecode(%d)\n",
                __FILE__, file, rc);
        return -1;
    }

    while (fgets(buf, sz, fp)){
        int r = strlen(buf);
        if (buf[r-1] == '\n')
            n++;
        // could re-alloc here to handle larger lines
    }
    fclose(fp);
    return n;
}

int main(int argc, char **argv)
{
    if (argc==2) {
        int n = linecnt (argv[1]);
        printf("Lines: %d\n", n);
    }
    else {
        Usage(argv[0]);
        exit(1);
    }
}

Ответ 5

Я думаю, что ваш ответ выглядит хорошо. Единственное, что я хотел бы добавить, это играть с размером буфера. Я чувствую, что это может изменить производительность в зависимости от размера вашего буфера.

Пожалуйста, обратитесь к размеру буфера при настройке Оптимальный размер файла для хранения файлов

Ответ 6

Вы пробовали flex?

%{
long num_lines = 0;
%}
%option 8bit outfile="scanner.c"
%option nounput nomain noyywrap
%option warn

%%
.+ { }
\n { ++num_lines; }
%%
int main(int argc, char **argv);

int main (argc,argv)
int argc;
char **argv;
{
yylex();
printf( "# of lines = %d\n", num_lines );
return 0;
}

Просто скомпилируйте с помощью:

flex -Cf scanner.l 
gcc -O -o lineCount.exe scanner.c

Он принимает вход на stdin и выводит количество строк.