zlib gzgets 非常慢？

Question

我正在做与解析大量文本文件相关的事情，并且正在测试要使用的输入法。

使用c++ std::ifstreams与c FILE没有太大区别，

根据zlib的文档，它支持未压缩的文件，并且会在不解压的情况下读取文件。

我发现使用非 zlib 的时间为 12 秒，而使用 zlib.h 的时间超过 4 分钟，

我已经测试过多次运行，因此这不是磁盘缓存问题。

我是否以错误的方式使用 zlib？

谢谢

#include <zlib.h>
#include <cstdio>
#include <cstdlib>
#include <fstream>
#define LENS 1000000


size_t fg(const char *fname){
  fprintf(stderr,"\t-> using fgets\n");
  FILE *fp =fopen(fname,"r");
  size_t nLines =0;
  char *buffer = new char[LENS];
  while(NULL!=fgets(buffer,LENS,fp))
    nLines++;

  fprintf(stderr,"%lu\n",nLines);
  return nLines;
}

size_t is(const char *fname){
  fprintf(stderr,"\t-> using ifstream\n");
  std::ifstream is(fname,std::ios::in);
  size_t nLines =0;
  char *buffer = new char[LENS];
  while(is. getline(buffer,LENS))
    nLines++;

  fprintf(stderr,"%lu\n",nLines);
  return nLines;
}

size_t iz(const char *fname){
  fprintf(stderr,"\t-> using zlib\n");
  gzFile fp =gzopen(fname,"r");
  size_t nLines =0;
  char *buffer = new char[LENS];
  while(0!=gzgets(fp,buffer,LENS))
    nLines++;

  fprintf(stderr,"%lu\n",nLines);
  return nLines;
}

int main(int argc,char**argv){
  if(atoi(argv[2])==0)
    fg(argv[1]);
  if(atoi(argv[2])==1)
    is(argv[1]);
  if(atoi(argv[2])==2)
    iz(argv[1]);

}

Answer 1

我猜你正在使用 zlib-1.2.3。在此版本中，gzgets() 实际上为每个字节调用 gzread()。这种方式调用gzread()的开销很大。您可以比较调用 gzread(gzfp, buffer, 4096) 一次和调用 gzread(gzfp, buffer, 1) 4096 次的 CPU 时间。结果是一样的，但是CPU时间却有很大的不同。

您应该做的是为 zlib 实现缓冲 I/O，通过一次 gzread() 调用读取一块约 4KB 的数据（就像 fread() 对 read() 所做的那样）。据说最新的zlib-1.2.5在gzread/gzgetc/....上有显着的改进。你也可以尝试一下。由于刚发布不久，我还没有亲自尝试过。

编辑：

我刚刚尝试过 zlib-1.2.5。 1.2.5 中的 gzgetc 和 gzgets 比 1.2.3 中的快得多。