什麼是更快的閱讀，ASCII或二進制？

Question

我目前正在研究一個C++項目，其中涉及讀取全部爲ASCII格式的數千個小（〜20kb）文本文件。

在分析之前將所有文件轉換爲二進制文件，我能否獲得顯着的性能改進？

Answer 1

也許，是的。但是，那麼通過檢查來驗證輸入文件是不可能的，你將不得不花時間編寫代碼來對它們進行代碼轉換，並用新的代碼來讀取它們。如果您發現I/O時間是一個重大問題，我只會這樣做。

Answer 2

如果您正在處理文本，那麼「ASCII」和「Binary」之間沒有真正的區別。 ASCII是將二進制數據解釋爲文本。所以，如果我正確理解你的問題，答案是否定的，沒有可能的轉換，並且沒有性能改進。

Answer 3

以二進制格式存儲的數據有兩個優點：

• 它佔據較少的存儲（較少的磁盤IO）
• 它更快讀取（沒有費時字符串解析）

因此，如果將文本表示法轉換爲緊密壓縮的二進制格式，將會有性能改進，但是如果它們是重要取決於您的特定情況。

如果數據流是已經是一個性能瓶頸，切換到二進制格式（甚至可能壓縮 - 從磁盤讀取本質上很慢）可以帶來很多。

Answer 4

當二進制格式使得您最小化解析的任何要求時，您可以在加載時獲得性能增益。例如，內容可以直接映射到「結構轉儲」中的大塊中轉儲。除此之外的每一步都會導致性能下降。最終是否超過ASCII將部分取決於ASCII開始的複雜/低效率。

步驟花費你甚至二進制包括：

• 壓縮
• 平臺獨立性
• 可變內容
• 改動的內容需要二進制的更新從ASCII

如果你確定執行時間的很大一部分是加載和解析，但你只做一次f或一個固定的數據集，另一個選項可能是使用線程。設置一些加載數據的並行工作人員，然後將其放在隊列中進行分析。

Answer 5

將字符串轉換爲數字，但在cpu週期中不便宜，這不是問題。涉及I/O的開銷總是比轉換總量大幾個數量級。文件的大小也不是什麼大問題，一個磁盤提供8KB大約20KB的速度，它全部來自同一磁道上的同一個羣集。有成千上萬的文件是大問題，打開一個文件涉及移動磁盤讀取頭，這需要永遠。

因此，請專注於削減文件數量以獲得真正的收益。