关于golang:Go语言文件读取的一些总结

13次阅读

共计 6322 个字符，预计需要花费 16 分钟才能阅读完成。

Go 语言在进行文件操作的时候，能够有多种办法。最常见的比方间接对文件自身进行 Read 和Write；除此之外，还能够应用 bufio 库的流式解决以及分片式解决；如果文件较小，应用 ioutil 也不失为一种办法。

面对这么多的文件解决的形式，那么初学者可能就会有困惑：我到底该用那种？它们之间有什么区别？笔者试着从文件读取来对 go 语言的几种文件解决形式进行剖析。

os.File、bufio、ioutil 比拟

效率测试

文件的读取效率是所有开发者都会关怀的话题，尤其是当文件特地大的时候。为了尽可能的展现这三者对文件读取的性能，我筹备了三个文件，别离为 small.txt，midium.txt、large.txt，别离对应 KB 级别、MB 级别和 GB 级别。

这三个文件大小别离为 4KB、21MB、1GB。其中内容是比拟惯例的 json 格局的文本。
测试代码如下:

// 应用 File 自带的 Read
func read1(filename string) int {fi, err := os.Open(filename)
    if err != nil {panic(err)
    }
    defer fi.Close()
    buf := make([]byte, 4096)
    var nbytes int
    for {n, err := fi.Read(buf)
        if err != nil && err != io.EOF {panic(err)
        }
        if n == 0 {break}
        nbytes += n

    }
    return nbytes
}

read1函数应用的是 os 库对文件进行间接操作，为了确定的确都到了文件内容，并将读到的大小字节数返回。

// 应用 bufio
func read2(filename string) int {fi, err := os.Open(filename)
    if err != nil {panic(err)
    }
    defer fi.Close()
    buf := make([]byte, 4096)
    var nbytes int
    rd := bufio.NewReader(fi)
    for {n, err := rd.Read(buf)
        if err != nil && err != io.EOF {panic(err)
        }
        if n == 0 {break}
        nbytes += n
    }
    return nbytes
}

read2函数应用的是 bufio 库，操作 NewReader 对文件进行流式解决，和后面一样，为了确定的确都到了文件内容，并将读到的大小字节数返回。

// 应用 ioutil
func read3(filename string) int {fi, err := os.Open(filename)
    if err != nil {panic(err)
    }
    defer fi.Close()
    fd, err := ioutil.ReadAll(fi)
    nbytes := len(fd)
    return nbytes
}

read3函数是应用 ioutil 库进行文件读取，这种形式比拟暴力，间接将文件内容一次性全副读到内存中，而后对内存中的文件内容进行相干的操作。
咱们应用如下的测试代码进行测试：

func testfile1(filename string) {fmt.Printf("============test1 %s ===========\n", filename)
    start := time.Now()
    size1 := read1(filename)
    t1 := time.Now()
    fmt.Printf("Read 1 cost: %v, size: %d\n", t1.Sub(start), size1)
    size2 := read2(filename)
    t2 := time.Now()
    fmt.Printf("Read 2 cost: %v, size: %d\n", t2.Sub(t1), size2)
    size3 := read3(filename)
    t3 := time.Now()
    fmt.Printf("Read 3 cost: %v, size: %d\n", t3.Sub(t2), size3)
}

在 main 函数中调用如下：

func main() {testfile1("small.txt")
    testfile1("midium.txt")
    testfile1("large.txt")
    // testfile2("small.txt")
    // testfile2("midium.txt")
    // testfile2("large.txt")
}

测试后果如下所示：

从以上后果可知：

  • 当文件较小（KB 级别）时，ioutil > bufio > os。
  • 当文件大小比拟惯例（MB 级别）时，三者差异不大，但 bufio 又是曾经显现出来。
  • 当文件较大（GB 级别）时，bufio > os > ioutil。

起因剖析

为什么会呈现下面的不同后果？
其实 ioutil 最好了解，当文件较小时，ioutil应用 ReadAll 函数将文件中所有内容间接读入内存，只进行了一次 io 操作，然而 os 和bufio都是进行了屡次读取，才将文件解决完，所以 ioutil 必定要快于 os 和bufio的。
然而随着文件的增大，达到靠近 GB 级别时，ioutil间接读入内存的弊病就显现出来，要将 GB 级别的文件内容全副读入内存，也就意味着要开拓一块 GB 大小的内存用来寄存文件数据，这对内存的耗费是十分大的，因而效率就慢了下来。
如果文件持续增大，达到 3GB 甚至以上，ioutil这种读取形式就齐全无能为力了。（一个独自的过程空间为 4GB，真正存放数据的堆区和栈区更是远远小于 4GB）。
而 os 为什么在面对大文件时，效率会低于 bufio？通过查看bufio 的NewReader源码不难发现，在 NewReader 里，默认为咱们提供了一个大小为 4096 的缓冲区，所以零碎调用会每次先读取 4096 字节到缓冲区，而后 rd.Read 会从缓冲区去读取。

const (defaultBufSize = 4096)

func NewReader(rd io.Reader) *Reader {return NewReaderSize(rd, defaultBufSize)
}

func NewReaderSize(rd io.Reader, size int) *Reader {
    // Is it already a Reader?
    b, ok := rd.(*Reader)
    if ok && len(b.buf) >= size {return b}
    if size < minReadBufferSize {size = minReadBufferSize}
    r := new(Reader)
    r.reset(make([]byte, size), rd)
    return r
}

而 os 因为少了这一层缓冲区，每次读取，都会执行零碎调用，因而内核频繁的在用户态和内核态之间切换，而这种切换，也是须要耗费的，故而会慢于 bufio 的读取形式。
笔者翻阅网上材料，对于缓冲，有 内核中的缓冲 和过程中的缓冲 两种，其中，内核中的缓冲是内核提供的，即系统对磁盘提供一个缓冲区，不论有没有提供过程中的缓冲，内核缓冲都是存在的。
而过程中的缓冲是对输入输出流做了肯定的改良，提供的一种流缓冲，它在读写操作产生时，先将数据存入流缓冲中，只有当流缓冲区满了或者刷新（如调用 flush 函数）时，才将数据取出，送往内核缓冲区，它起到了肯定的爱护内核的作用。
因而，咱们不难发现，os是典型的内核中的缓冲，而 bufio 和ioutil都属于过程中的缓冲。

总结

当读取小文件时，应用 ioutil 效率显著优于 os 和bufio，但如果是大文件，bufio读取会更快。

读取一行数据

后面简要剖析了 go 语言三种不同读取文件形式之间的区别。但理论的开发中，咱们对文件的读取往往是以行为单位的，即每次读取一行进行解决。
go 语言并没有像 C 语言一样给咱们提供好了相似于 fgets 这样的函数能够正好读取一行内容，因而，须要本人去实现。
从后面的比照剖析能够晓得，无论是解决大文件还是小文件，bufio始终是最为平滑和高效的，因而咱们思考应用 bufio 库进行解决。
翻阅 bufio 库的源码，发现能够应用如下几种形式进行读取一行文件的解决：

  • ReadBytes
  • ReadString
  • ReadSlice
  • ReadLine

效率测试

在探讨这四种读取一行文件操作的函数之前，依然做一下效率测试。
测试代码如下：

func readline1(filename string) {fi, err := os.Open(filename)
    if err != nil {panic(err)
    }
    defer fi.Close()
    rd := bufio.NewReader(fi)
    for {_, err := rd.ReadBytes('\n')
        if err != nil || err == io.EOF {break}
    }
}

func readline2(filename string) {fi, err := os.Open(filename)
    if err != nil {panic(err)
    }
    defer fi.Close()
    rd := bufio.NewReader(fi)
    for {_, err := rd.ReadString('\n')
        if err != nil || err == io.EOF {break}
    }
}
func readline3(filename string) {fi, err := os.Open(filename)
    if err != nil {panic(err)
    }
    defer fi.Close()
    rd := bufio.NewReader(fi)
    for {_, err := rd.ReadSlice('\n')
        if err != nil || err == io.EOF {break}
    }
}
func readline4(filename string) {fi, err := os.Open(filename)
    if err != nil {panic(err)
    }
    defer fi.Close()
    rd := bufio.NewReader(fi)
    for {_, _, err := rd.ReadLine()
        if err != nil || err == io.EOF {break}
    }
}

能够看到，这四种操作形式，无论是函数调用，还是函数返回值的解决，其实都是大同小异的。但通过测试效率，则能够看出它们之间的区别。
咱们应用上面的测试代码：

func testfile2(filename string) {fmt.Printf("============test2 %s ===========\n", filename)
    start := time.Now()
    readline1(filename)
    t1 := time.Now()
    fmt.Printf("Readline 1 cost: %v\n", t1.Sub(start))
    readline2(filename)
    t2 := time.Now()
    fmt.Printf("Readline 2 cost: %v\n", t2.Sub(t1))
    readline3(filename)
    t3 := time.Now()
    fmt.Printf("Readline 3 cost: %v\n", t3.Sub(t2))
    readline4(filename)
    t4 := time.Now()
    fmt.Printf("Readline 4 cost: %v\n", t4.Sub(t3))
}

在 main 函数中调用如下：

func main() {// testfile1("small.txt")
    // testfile1("midium.txt")
    // testfile1("large.txt")
    testfile2("small.txt")
    testfile2("midium.txt")
    testfile2("large.txt")
}

运行后果如下所示：

通过景象，除了 small.txt 之外，大抵能够分为两组：

  • ReadBytes对小文件解决效率最差
  • 在解决大文件时，ReadLine和 ReadSlice 效率相近，要显著快于 ReadString 和ReadBytes。

起因剖析

为什么会呈现下面的景象，不防从源码层面进行剖析。
通过浏览源码，咱们发现这四个函数之间存在这样一个关系：

  • ReadLine <- (调用) ReadSlice
  • ReadString <- (调用)ReadBytes<-(调用)ReadSlice

既然如此，那为什么在解决大文件时，ReadLine效率要显著高于 ReadBytes 呢？

首先，咱们要晓得，ReadSlice是切片式读取，即依据分隔符去进行切片。
通过源码发下，ReadLine只是在切片读取的根底上，对换行符 \n 和\r\n做了一些解决：

func (b *Reader) ReadLine() (line []byte, isPrefix bool, err error) {line, err = b.ReadSlice('\n')
    if err == ErrBufferFull {
        // Handle the case where "\r\n" straddles the buffer.
        if len(line) > 0 && line[len(line)-1] == '\r' {
            // Put the '\r' back on buf and drop it from line.
            // Let the next call to ReadLine check for "\r\n".
            if b.r == 0 {
                // should be unreachable
                panic("bufio: tried to rewind past start of buffer")
            }
            b.r--
            line = line[:len(line)-1]
        }
        return line, true, nil
    }

    if len(line) == 0 {
        if err != nil {line = nil}
        return
    }
    err = nil

    if line[len(line)-1] == '\n' {
        drop := 1
        if len(line) > 1 && line[len(line)-2] == '\r' {drop = 2}
        line = line[:len(line)-drop]
    }
    return
}

而 ReadBytes 则是通过 append 先将读取的内容暂存到 full 数组中，最初再 copy 进去，append和 copy 都是要耗费内存和 io 的，因而效率天然就慢了。其源码如下所示：

func (b *Reader) ReadBytes(delim byte) ([]byte, error) {
    // Use ReadSlice to look for array,
    // accumulating full buffers.
    var frag []byte
    var full [][]byte
    var err error
    n := 0
    for {
        var e error
        frag, e = b.ReadSlice(delim)
        if e == nil { // got final fragment
            break
        }
        if e != ErrBufferFull { // unexpected error
            err = e
            break
        }

        // Make a copy of the buffer.
        buf := make([]byte, len(frag))
        copy(buf, frag)
        full = append(full, buf)
        n += len(buf)
    }

    n += len(frag)

    // Allocate new buffer to hold the full pieces and the fragment.
    buf := make([]byte, n)
    n = 0
    // Copy full pieces and fragment in.
    for i := range full {n += copy(buf[n:], full[i])
    }
    copy(buf[n:], frag)
    return buf, err
}

总结

读取文件中一行内容时，ReadSlice和 ReadLine 性能优于 ReadBytes 和ReadString，但因为 ReadLine 对换行的解决更加全面（兼容 \n 和\r\n换行），因而，理论开发过程中，倡议应用 ReadLine 函数。

正文完
golang
发表至： golang
2020-08-19
 0
关于golang:带你十天轻松搞定-Go-微服务系列二
关于golang:golang实现计算1到100000范围内的素数
关于golang:go-reflect包中abigo
关于golang:golang-变量bool

站内搜索

-「」