c++多线程按行读取同一个每行长度不规则文件
对于非常大的比如上百G的大文件读取,单线程读是非常非常慢的,需要考虑用多线程读,多个线程读同一个文件时不用加锁的,每个线程打开一个独立的文件句柄
多线程读同一个文件实现思路
思路1
- 先打开一个文件句柄,获取整个文件大小
file_size
- 确定要采用线程读取的部分大小
read_size
和多线程的个数thread_num
,算出平均每个线程要读取的大小为read_size/thread_num=each_size
- 计算出每个线程读取的位置
start_pos
和它下一个线程的读取位置next_pos
- 对于每个线程来说,读取时的情况可以有如下种情况:
start_pos
等于0(整个文件都采用多线程读取),这种情况下直接用getline
读取,直到读取某一行后读取指针位置超过next_pos
start_pos
>0, 读取当前位置所在的字符,如果字符恰好为\n
,则直接用getline
读取,直到读取某一行后读取指针位置超过next_pos
start_pos
>0, 读取当前位置所在的字符,如果字符不为\n
,则先用getline
读取一行,假设读取这行后新的位置为cur_pos
,如果cur_pos >= next_pos
则这个线程直接退出,不读取任何数据,因为这个线程的下一个线程会和它读取同一行,这一行的内容应该有下一个线程读取; 如果cur_pos < next_pos
则当前读取的这一行直接丢弃(因为这一行交给了上一个线程来读取), 直接从下一行开始用getline
读取,直到读取某一行后读取指针位置超过next_pos
- 最后代码还要计算剩下的部分,因为文件大小
read_size
不一定能整除线程个数thread_num
,剩下的部分应该全部交给主线程来读
这个思路实现起来容易出bug,需要保证每一个线程至少能读取一个完整的行
源码实现
可能有bug,但是功能基本实现
#include "spdlog/sinks/basic_file_sink.h"
#include "spdlog/spdlog.h"
#include <chrono>
#include <fstream>
#include <iostream>
#include <sstream>
#include <string>
#include <thread>
#include <vector>
using namespace std;
void init_log()
{
try
{
auto new_logger = spdlog::basic_logger_mt("new_default_logger", "test.log", true);
spdlog::set_default_logger(new_logger);
spdlog::info("new logger log start");
}
catch (const spdlog::spdlog_ex &ex)
{
std::cout << "Log init failed: " << ex.what() << std::endl;
}
}
void thread_read_file(int tid, const string &file_path, std::streampos start_pos, std::streampos next_pos, int each_size)
{
ifstream file(file_path.c_str(), ios::in);
if (!file.good())
{
file.close();
spdlog::info("线程{} 打开文件{}失败", tid, file_path);
return;
}
file.seekg(start_pos, ios::beg);
//
string text;
if (start_pos != 0)
{
char cur_ch = 0;
// spdlog::info("读取前{}", file.tellg());
file.read(&cur_ch, 1); //会让指针向后移动一个字节
// spdlog::info("读取后{}", file.tellg());
if (start_pos == 115)
{
spdlog::info("tid={},115={}", tid, cur_ch);
}
if (cur_ch != '\n')
{
getline(file, text);
spdlog::info("线程{},跳过{}", tid, text);
if (file.tellg() >= next_pos)
{
/*
1. 如果线程起始位置不为换行符,则要跳过本行,本行内容交给上一个线程读取,如果跳过本行后的读取位置(一定是换行符)>=下一个线程的起始位置,
如果位置等于下一个线程起始位置,说明下个线程起始位置是换行符,下一行内容应该由下一个线程读取;如果位置>下一个线程起始位置,同样本行内容由上一个线程
读取,下一行内容也不用本线程读取,可能是下一个线程读取
*/
spdlog::info("线程{} start_pos={},next_pos={},each_size={} 起始位置不是\\n,读取一行后的指针位置{}>=next_pos,不需要读取内容",
tid, start_pos, next_pos, each_size, file.tellg());
file.close();
return;
}
}
else
{
file.seekg(-1, ios::cur);
}
// spdlog::info("线程{} cur_ch={}", tid, cur_ch);
}
std::streampos cur_pos = file.tellg();
while (cur_pos < next_pos && getline(file, text))
{
/*
1. cur_pos始终指向每一行的行尾,如果cur_pos=next_pos则说明next_pos是行尾,则接下来的一行应该由
下一个线程读,所以这里是cur_pos < next_pos,而不是cur_pos <= next_pos
*/
int cur_line_len = file.tellg() - cur_pos;
spdlog::info("线程{} start_pos={},next_pos={},each_size={},本行开始pos={},本行结束pos={},本行读长={},text={}",
tid, start_pos, next_pos, each_size, cur_pos, file.tellg(), cur_line_len, text);
cur_pos = file.tellg();
}
spdlog::info("线程{} start_pos={},next_pos={},each_size={},结束时cur_pos={},总共区间长度为{}\n", tid, start_pos, next_pos, each_size, cur_pos, cur_pos - start_pos);
file.close();
return;
}
void test_detach(const string &file_path)
{
// for (int i = 0; i < 10; ++i)
// {
// std::thread th(thread_read_file, i, file_path);
// th.detach();
// }
}
void test_join(const string &file_path)
{
//确定文件长度
ifstream file(file_path.c_str(), ios::in);
//把指针指到文件末尾求出文件大小
int file_size = file.seekg(0, ios::end).tellg();
file.close();
int thread_nums = 50; //线程个数
int each_size = file_size / thread_nums; //平均每个线程读取的字节数
std::streampos start_pos = 0, next_pos = 0; //每个线程读取位置的起始和下一个线程读取的起始位置
vector<std::thread> vec_threads; //线程列表
spdlog::info("thread_nums={},each_size={},file_size={}", thread_nums, each_size, file_size);
int t_id = 0; //线程id
for (; t_id < thread_nums; ++t_id)
{
next_pos += each_size;
std::thread th(thread_read_file, t_id, file_path, start_pos, next_pos, each_size);
vec_threads.emplace_back(std::move(th)); // push_back() is also OK
start_pos = next_pos;
}
if (file_size % thread_nums != 0)
{
thread_read_file(t_id, file_path, start_pos, file_size, each_size);
}
for (auto &it : vec_threads)
{
it.join();
}
}
int main()
{
init_log();
string file_path = "./1.txt";
// test_detach(file_path);
// std::this_thread::sleep_for(std::chrono::seconds(1)); // wait for detached threads done
test_join(file_path);
return 0;
}
思路2
- 整体思路和方法1一样,只是读取的时候不是按照位置来判断每个线程应该读取多少,而是统计每个线程读取的长度
- 每次移动位置指针时,记录一下移动的位置,因为每个线程应该读取的平均长度已经提前计算,只要线程读取的数据超过了平均大小,或者读取到了文件末尾就结束
源码实现
没有bug,可以适应多个线程被分配到同一行的情况,但是每个线程读取的大小必须>0
#include <chrono>
#include <fstream>
#include <iostream>
#include <sstream>
#include <string>
#include <thread>
#include <vector>
using namespace std;
void thread_read_file(int tid, const string &file_path, int start_pos, int next_pos, int each_size)
{
ifstream file(file_path.c_str(), ios::in);
if (!file.good())
{
stringstream ss;
ss << "Thread " << tid << " failed to open file: " << file_path << endl;
cout << ss.str();
return;
}
file.seekg(start_pos, ios::beg);
//
string text;
stringstream ss;
if (start_pos != 0)
{
char cur_ch;
file.read(&cur_ch, 1);
// ss << "Thread " << tid << ", cur_ch=" << cur_ch << endl;
if (cur_ch != '\n')
{
getline(file, text);
}
}
while (getline(file, text) && start_pos <= next_pos)
{
ss << "Thread " << tid << ", start_pos=" << start_pos << ";next_pos="
<< next_pos << ";each_size=" << each_size << ": " << text << endl;
cout << ss.str();
start_pos = file.tellg();
}
file.close();
return;
}
void test_detach(const string &file_path)
{
// for (int i = 0; i < 10; ++i)
// {
// std::thread th(thread_read_file, i, file_path);
// th.detach();
// }
}
void test_join(const string &file_path)
{
//确定文件长度
ifstream file(file_path.c_str(), ios::in);
//把指针指到文件末尾求出文件大小
int file_size = file.seekg(0, ios::end).tellg();
file.close();
int thread_nums = 10;
int each_size = file_size / thread_nums;
int start_pos = 0, next_pos = 0;
vector<std::thread> vec_threads;
int t_id = 0;
for (; t_id < thread_nums; ++t_id)
{
next_pos += each_size;
std::thread th(thread_read_file, t_id, file_path, start_pos, next_pos, each_size);
vec_threads.emplace_back(std::move(th)); // push_back() is also OK
start_pos = next_pos;
}
if (file_size % thread_nums != 0)
{
thread_read_file(t_id, file_path, start_pos, next_pos, each_size);
}
for (auto &it : vec_threads)
{
it.join();
}
}
int main()
{
string file_path = "./1.txt";
// test_detach(file_path);
// std::this_thread::sleep_for(std::chrono::seconds(1)); // wait for detached threads done
test_join(file_path);
return 0;
}
运行结果
本文由博客一文多发平台 OpenWrite 发布!
热门相关:抗战老兵之不死传奇 我和超级大佬隐婚了 王妃不乖:独宠倾城妃 第一强者 惊艳人生