读取大型二进制文件python的最有效方法是什么

Question

我有一个大（21 GByte）文件，我想将其读入内存，然后传递给一个子程序，该子程序对我透明地处理数据。 我在 Centos 6.5 上使用 python 2.6.6，所以升级操作系统或 python 不是一个选项。 目前，我正在使用

f = open(image_filename, "rb")
image_file_contents=f.read()
f.close()
transparent_subroutine ( image_file_contents )

这很慢（~15 分钟）。 在开始读取文件之前，我知道文件有多大，因为我调用了 os.stat( image_filename ).st_size

所以如果有意义的话，我可以预先分配一些内存。

谢谢

Answer 1

按照迪特里希的建议，我测量了这种 mmap 技术比对 1.7GB 输入文件进行大读取快 20%

from zlib import adler32 as compute_cc

n_chunk = 1024**2
crc = 0
with open( fn ) as f:
  mm = mmap.mmap( f.fileno(), 0, prot = mmap.PROT_READ, flags = mmap.MAP_PRIVATE )
  while True:
    buf = mm.read( n_chunk )
    if not buf: break
    crc = compute_crc( buf, crc )
return crc

Answer 2

使用发电机

def generator(file_location):

    with open(file_location, 'rb') as entry:

        for chunk in iter(lambda: entry.read(1024 * 8), b''):

            yield chunk


go_to_streaming = generator(file_location)