如何实现基于行的文件内容的并行处理
本篇文章给大家分享《如何实现基于行的文件内容的并行处理》,覆盖了Golang的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。
问题内容
我正在编写一个 POC 来处理一个非常大的文本文件 ~10 亿多行,并为此尝试使用 Go;
package main
import (
"bufio"
"fmt"
"log"
"os"
"time"
)
func main() {
start := time.Now()
file, err := os.Open("dump10.txt")
if err != nil {
log.Fatal(err)
}
defer file.Close()
scanner := bufio.NewScanner(file)
for scanner.Scan() {
go fmt.Println(scanner.Text())
}
if err := scanner.Err(); err != nil {
log.Fatal(err)
}
secs := time.Since(start).Seconds()
fmt.Printf("Took %.2fs", secs)
}
但是,在运行此程序时,我收到此错误;
恐慌:单个文件或套接字上的并发操作过多(最大 1048575)
我还没有在网上找到任何处理这个特定错误的东西。我不确定这是否是文件描述符问题,错误中列出的最大值远高于我ulimit -n的 500,000 限制。
做这个的最好方式是什么?
由于它不是很明显,它fmt.Println是我在处理数据时将调用的实际函数的替身。
正确答案
在考虑并行化进程之前,您应该研究您的输入和计算以确保它有意义。
需要按顺序处理的输入不是很好的匹配,因为并行处理需要额外的复杂指令来保持顺序,很难预先评估这种策略是否会成功。
此外,为了利用并行化,运行计算必须花费比同步并行任务所需的时间更长的时间。通过批量处理数据可能会超过此成本,但生成的算法将更加复杂,并会产生额外的不良副作用(如分配)。
否则,不要并行化。
请参阅以下具有长/短计算时间的各种实现示例及其结果基准。
结论是,除非您计算一个明显超过同步成本的长时间运行的异步任务,否则顺序处理会更快。
main.go
package main
import (
"bufio"
"fmt"
"io"
"runtime"
"strings"
"sync"
"time"
)
func main() {
data := strings.Repeat(strings.Repeat("a", 1000)+"\n", 1000)
run_line_short(data, true)
run_line_long(data, true)
run_line_short_workers(data, true)
run_line_long_workers(data, true)
run_bulk_short(data, true)
run_bulk_long(data, true)
run_seq_short(data, true)
run_seq_long(data, true)
}
func run_line_short(data string, stat bool) {
if stat {
s := stats("run_line_short")
defer s()
}
r := strings.NewReader(data)
err := process(r, line_handler_short)
if err != nil {
panic(err)
}
}
func run_line_long(data string, stat bool) {
if stat {
s := stats("run_line_long")
defer s()
}
r := strings.NewReader(data)
err := process(r, line_handler_long)
if err != nil {
panic(err)
}
}
func run_line_short_workers(data string, stat bool) {
if stat {
s := stats("run_line_short_workers")
defer s()
}
r := strings.NewReader(data)
err := processWorkers(r, line_handler_short)
if err != nil {
panic(err)
}
}
func run_line_long_workers(data string, stat bool) {
if stat {
s := stats("run_line_long_workers")
defer s()
}
r := strings.NewReader(data)
err := processWorkers(r, line_handler_long)
if err != nil {
panic(err)
}
}
func run_bulk_short(data string, stat bool) {
if stat {
s := stats("run_bulk_short")
defer s()
}
r := strings.NewReader(data)
err := processBulk(r, bulk_handler_short)
if err != nil {
panic(err)
}
}
func run_bulk_long(data string, stat bool) {
if stat {
s := stats("run_bulk_long")
defer s()
}
r := strings.NewReader(data)
err := processBulk(r, bulk_handler_long)
if err != nil {
panic(err)
}
}
func run_seq_short(data string, stat bool) {
if stat {
s := stats("run_seq_short")
defer s()
}
r := strings.NewReader(data)
err := processSeq(r, line_handler_short)
if err != nil {
panic(err)
}
}
func run_seq_long(data string, stat bool) {
if stat {
s := stats("run_seq_long")
defer s()
}
r := strings.NewReader(data)
err := processSeq(r, line_handler_long)
if err != nil {
panic(err)
}
}
func line_handler_short(k string) error {
_ = len(k)
return nil
}
func line_handler_long(k string) error {
0 {
input
main_test.go
package main
import (
"strings"
"testing"
)
func Benchmark_run_line_short(b *testing.B) {
data := strings.Repeat(strings.Repeat("a", 1000)+"\n", 1000)
for i := 0; i
结果
$ go run main.go
======================
run_line_short
time to run 2.747827ms
Alloc: 2 MB, TotalAlloc: 2 MB, Sys: 68 MB
Mallocs: 1378, Frees: 1
HeapAlloc: 2 MB, HeapSys: 63 MB, HeapIdle: 61 MB
HeapObjects: 1377
======================
run_line_long
time to run 1.30987804s
Alloc: 3 MB, TotalAlloc: 3 MB, Sys: 68 MB
Mallocs: 5619, Frees: 5
HeapAlloc: 3 MB, HeapSys: 63 MB, HeapIdle: 59 MB
HeapObjects: 5614
======================
run_line_short_workers
time to run 4.54926ms
Alloc: 1 MB, TotalAlloc: 4 MB, Sys: 68 MB
Mallocs: 6648, Frees: 5743
HeapAlloc: 1 MB, HeapSys: 63 MB, HeapIdle: 61 MB
HeapObjects: 905
======================
run_line_long_workers
time to run 1.29874118s
Alloc: 2 MB, TotalAlloc: 5 MB, Sys: 68 MB
Mallocs: 10670, Frees: 5747
HeapAlloc: 2 MB, HeapSys: 63 MB, HeapIdle: 60 MB
HeapObjects: 4923
======================
run_bulk_short
time to run 1.279059ms
Alloc: 3 MB, TotalAlloc: 6 MB, Sys: 68 MB
Mallocs: 11695, Frees: 5751
HeapAlloc: 3 MB, HeapSys: 63 MB, HeapIdle: 59 MB
HeapObjects: 5944
======================
run_bulk_long
time to run 31.328652ms
Alloc: 1 MB, TotalAlloc: 7 MB, Sys: 68 MB
Mallocs: 12728, Frees: 11361
HeapAlloc: 1 MB, HeapSys: 63 MB, HeapIdle: 61 MB
HeapObjects: 1367
======================
run_seq_short
time to run 956.991碌s
Alloc: 3 MB, TotalAlloc: 8 MB, Sys: 68 MB
Mallocs: 13746, Frees: 11160
HeapAlloc: 3 MB, HeapSys: 63 MB, HeapIdle: 59 MB
HeapObjects: 2586
======================
run_seq_long
time to run 5.195705859s
Alloc: 1 MB, TotalAlloc: 9 MB, Sys: 68 MB
Mallocs: 17766, Frees: 15973
HeapAlloc: 1 MB, HeapSys: 63 MB, HeapIdle: 61 MB
HeapObjects: 1793
[mh-cbon@Host-001 bulk] $ go test -bench=. -benchmem -count=4
goos: linux
goarch: amd64
pkg: test/bulk
Benchmark_run_line_short-4 1000 1750824 ns/op 1029354 B/op 1005 allocs/op
Benchmark_run_line_short-4 1000 1747408 ns/op 1029348 B/op 1005 allocs/op
Benchmark_run_line_short-4 1000 1757826 ns/op 1029352 B/op 1005 allocs/op
Benchmark_run_line_short-4 1000 1758427 ns/op 1029352 B/op 1005 allocs/op
Benchmark_run_line_long-4 1 1303037704 ns/op 2253776 B/op 4075 allocs/op
Benchmark_run_line_long-4 1 1305074974 ns/op 2247792 B/op 4032 allocs/op
Benchmark_run_line_long-4 1 1305353658 ns/op 2246320 B/op 4013 allocs/op
Benchmark_run_line_long-4 1 1305725817 ns/op 2247792 B/op 4031 allocs/op
Benchmark_run_line_short_workers-4 1000 2148354 ns/op 1029366 B/op 1005 allocs/op
Benchmark_run_line_short_workers-4 1000 2139629 ns/op 1029370 B/op 1005 allocs/op
Benchmark_run_line_short_workers-4 1000 1983352 ns/op 1029359 B/op 1005 allocs/op
Benchmark_run_line_short_workers-4 1000 1909968 ns/op 1029363 B/op 1005 allocs/op
Benchmark_run_line_long_workers-4 1 1298321093 ns/op 2247856 B/op 4013 allocs/op
Benchmark_run_line_long_workers-4 1 1299846127 ns/op 2246384 B/op 4012 allocs/op
Benchmark_run_line_long_workers-4 1 1300003625 ns/op 2246288 B/op 4011 allocs/op
Benchmark_run_line_long_workers-4 1 1302779911 ns/op 2246256 B/op 4011 allocs/op
Benchmark_run_bulk_short-4 2000 704358 ns/op 1082154 B/op 1011 allocs/op
Benchmark_run_bulk_short-4 2000 708563 ns/op 1082147 B/op 1011 allocs/op
Benchmark_run_bulk_short-4 2000 714687 ns/op 1082148 B/op 1011 allocs/op
Benchmark_run_bulk_short-4 2000 705546 ns/op 1082156 B/op 1011 allocs/op
Benchmark_run_bulk_long-4 50 31411412 ns/op 1051497 B/op 1088 allocs/op
Benchmark_run_bulk_long-4 50 31513018 ns/op 1051544 B/op 1088 allocs/op
Benchmark_run_bulk_long-4 50 31539311 ns/op 1051502 B/op 1088 allocs/op
Benchmark_run_bulk_long-4 50 31564940 ns/op 1051505 B/op 1088 allocs/op
Benchmark_run_seq_short-4 2000 574346 ns/op 1028632 B/op 1002 allocs/op
Benchmark_run_seq_short-4 3000 572857 ns/op 1028464 B/op 1002 allocs/op
Benchmark_run_seq_short-4 2000 580493 ns/op 1028632 B/op 1002 allocs/op
Benchmark_run_seq_short-4 3000 572240 ns/op 1028464 B/op 1002 allocs/op
Benchmark_run_seq_long-4 1 5196313302 ns/op 2245792 B/op 4005 allocs/op
Benchmark_run_seq_long-4 1 5199995649 ns/op 2245792 B/op 4005 allocs/op
Benchmark_run_seq_long-4 1 5200460425 ns/op 2245792 B/op 4005 allocs/op
Benchmark_run_seq_long-4 1 5201080570 ns/op 2245792 B/op 4005 allocs/op
PASS
ok test/bulk 68.944s
笔记:令我惊讶的run_line_short_workers是,它比 略慢run_line_short,我没有解释这个结果,但是使用 pprof
进行更深入的分析应该可以提供答案。
以上就是《如何实现基于行的文件内容的并行处理》的详细内容,更多关于golang的资料请关注golang学习网公众号!
如何使用 mongo-go-driver 有效地将 bson 转换为 json?
- 上一篇
- 如何使用 mongo-go-driver 有效地将 bson 转换为 json?
- 下一篇
- 从通用且以某种方式动态的 go 地图获取内容的最佳方式是什么?
-
- 体贴的世界
- 赞 ??,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢老哥分享技术贴!
- 2023-06-19 13:09:26
-
- 高兴的黄蜂
- 好细啊,已加入收藏夹了,感谢老哥的这篇文章,我会继续支持!
- 2023-05-21 03:09:38
-
- 标致的冬日
- 这篇博文出现的刚刚好,好细啊,很好,码住,关注老哥了!希望老哥能多写Golang相关的文章。
- 2023-04-30 16:00:36
-
- Golang · Go问答 | 18分钟前 | AES · Go问答 · 错误排查 · Go AES-GCM crypto/aes aes.NewCipher invalid key size
- Go aes.NewCipher 报 invalid key size 怎么处理
- 165浏览 收藏
-
- Golang · Go问答 | 44分钟前 |
- Go ring.New 传入零为什么返回 nil
- 385浏览 收藏
-
- Golang · Go问答 | 57分钟前 | go · Go container/heap heap.Remove heap.Pop
- Go heap.Remove 与 Pop 的索引语义有什么区别
- 293浏览 收藏
-
- Golang · Go问答 | 1小时前 | Go问答 · Go compress/gzip Multistream gzip.NewReader gzip.Header.Name
- Go gzip.Header.Name 为什么解压后可能为空
- 129浏览 收藏
-
- Golang · Go问答 | 1小时前 | Go DEFLATE flate.NewReaderDict 预设字典
- Go flate.NewReaderDict 字典不匹配会发生什么
- 465浏览 收藏
-
- Golang · Go问答 | 2小时前 | Go 浮点比较 NaN cmp.Compare
- Go cmp.Compare 遇到 NaN 时结果怎么理解
- 258浏览 收藏
-
- Golang · Go问答 | 2小时前 | go · Go 缓冲区 bytes.Buffer next
- Go bytes.Buffer.Next 参数超过长度会返回什么
- 456浏览 收藏
-
- Golang · Go问答 | 3小时前 | go · bufio · Go bufio.Reader UnreadByte
- Go bufio.Reader.UnreadByte 为什么只能回退一次
- 341浏览 收藏
-
- Golang · Go问答 | 3小时前 | go · 问题排查 · Go bufio.Scanner SplitFunc 空token
- Go bufio.Scanner 连续空 token 为什么会停止
- 296浏览 收藏
-
- Golang · Go问答 | 3小时前 | 标准库 · Go问答 · archive/tar Go tar.Header.Format FormatUnknown tar格式识别
- Go tar.Header.Format 为什么会变成未知格式
- 397浏览 收藏
-
- Golang · Go问答 | 5小时前 | 性能优化 · Go SIMD GOEXPERIMENT archsimd
- Go SIMD 实验 API 启用条件与架构回退策略
- 280浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 324次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 380次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 376次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 339次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 165次使用
-
- GOLANG使用Context管理关联goroutine的方法
- 2022-12-28 193浏览
-
- 聊聊Go中的注释和godoc工具
- 2022-12-29 354浏览
-
- 聊聊Golang语言中的复数类型
- 2023-01-07 418浏览
-
- 浅析Golang中的浮点类型(float32和float64)
- 2022-12-23 161浏览
-
- 聊聊Golang中的整数类型
- 2022-12-24 209浏览

