3

我正处于构建模拟的规划阶段,需要基于内存和速度考虑如何表示数据的想法。

在每个时间步,模拟过程创建 10^3 到 10^4 个新数据记录,并查看每个新记录或现有记录(其中有 10^6 到 10^8 个),然后删除或修改它。

每条记录有 3-10 个简单字段,每个字段要么是整数,要么是由几个 ASCII 字符组成的字符串。此外,每条记录还有 1-5 个其他字段,每个字段都是一个包含整数的可变长度列表。一条典型的记录重 100-500 字节。

修改或删除过程是这样工作的:对于这条记录,计算一个函数,其参数是这条记录的某些字段的值,以及另一条记录的这些字段的值。根据结果​​,该过程准备以某种方式删除或修改其字段。

然后为彼此重复记录。然后移动到下一条记录并重复。处理完所有记录后,模拟就可以进入下一个时间步了。

就在移动到下一个时间步之前,按照准备应用所有删除和修改。

允许的记录越多,模拟就越好。如果所有记录都在 RAM 中,则缺点是模拟大小,可能优点是速度。模拟不需要是实时的,但显然我不希望它太慢。

为了表示内存中的每条记录,我知道这些选项:列表或字典(其中嵌套了一些列表)或类实例。为了存储所有记录并在另一天继续模拟,按我熟悉的顺序排列的选项是:一个 csv 文件,其中每一行都是一个记录,或者只是将所有记录放在 RAM 中,然后将它们放入一个文件中(也许使用pickle),或使用某种数据库。

我已经学习了 Python 基础知识以及一些诸如生成器之类的概念,但还没有学习过数据库,没有尝试过酸洗,显然需要学习更多。如果可能的话,我会避免使用多台计算机,因为我只有 1 台,而并发因为看起来太吓人了。

关于如何在内存中表示记录,以及如何存储模拟系统,您有什么建议?

4

1 回答 1

1

如果我们采用最坏的情况,10**8 条记录和每条记录 500 字节,那将是很多 RAM,因此值得设计一些灵活性并假设并非所有记录都将始终驻留在 RAM 中。您可以创建一个抽象类来隐藏记录所在位置的详细信息。

class Record(object):
    def __init__(self, x, y, z):
        pass # code goes here
    def get_record(id):
        pass # code goes here

get_record()您可以使用名称而不是使用名称__index__(),然后您的类将像列表一样运行,但可能会输出到数据库,或引用 RAM 缓存,或其他任何东西。只需使用整数作为 ID 值。然后,如果您对持久性存储改变主意(从数据库切换到 pickle 或其他),实际代码不会改变。

您也可以尝试制作一个非常大的交换文件,并让虚拟内存系统处理进出实际 RAM 的混洗记录。这很容易尝试。它没有任何简单的方法来中断计算并保存状态。

您可以将每条记录表示为一个元组,甚至是一个命名元组。我相信元组在 Python 中的任何“容器”对象的开销都是最低的。(命名元组只将名称存储在一个地方一次,因此开销也很低。)

于 2013-03-06T01:20:33.423 回答