6

我不确定这个问题是否仅与 ruby​​ 有关，也许您会发现它与任何其他语言有关。

我想知道是否应该使用 parse 或 foreach：

  • CSV.parse(filepath)将解析整个文件并返回一个数组数组，这将反映 csv 文件并将存储在内存中。稍后，我将处理这个数组行。

  • CSV.foreach(filepath)将逐行读取/解析文件并逐行处理它。

在性能方面，有什么区别吗？有更好的方法吗？

PS：我知道在 ruby​​ 中我可以提供一个带有 parse 方法的块，然后它将分别处理每一行。

4

1 回答 1

6

这是我的测试：

require 'csv'
require 'benchmark'

small_csv_file = "test_data_small_50k.csv"
large_csv_file = "test_data_large_20m.csv"

Benchmark.bmbm do |x|
    x.report("Small: CSV #parse") do 
        CSV.parse(File.open(small_csv_file), headers: true) do |row|
            row
        end
    end

    x.report("Small: CSV #foreach") do
        CSV.foreach(small_csv_file, headers: true) do |row|
            row
        end
    end

    x.report("Large: CSV #parse") do 
        CSV.parse(File.open(large_csv_file), headers: true) do |row|
            row
        end
    end

    x.report("Large: CSV #foreach") do
        CSV.foreach(large_csv_file, headers: true) do |row|
            row
        end
    end
end

Rehearsal -------------------------------------------------------
Small: CSV #parse     0.950000   0.000000   0.950000 (  0.952493)
Small: CSV #foreach   0.950000   0.000000   0.950000 (  0.953514)
Large: CSV #parse   659.000000   2.120000 661.120000 (661.280070)
Large: CSV #foreach 648.240000   1.800000 650.040000 (650.062963)
------------------------------------------- total: 1313.060000sec

                          user     system      total        real
Small: CSV #parse     1.000000   0.000000   1.000000 (  1.143246)
Small: CSV #foreach   0.990000   0.000000   0.990000 (  0.984285)
Large: CSV #parse   646.380000   1.890000 648.270000 (648.286247)
Large: CSV #foreach 651.010000   1.840000 652.850000 (652.874320)

基准测试在具有 8GB 内存的 Macbook Pro 上运行。结果表明使用 CSV#parse 或 CSV#foreach 的性能在统计上是等效的。

已删除标题选项（仅测试小文件）：

require 'csv'
require 'benchmark'

small_csv_file = "test_data_small_50k.csv"

Benchmark.bmbm do |x|
    x.report("Small: CSV #parse") do 
        CSV.parse(File.open(small_csv_file)) do |row|
            row
        end
    end

    x.report("Small: CSV #foreach") do
        CSV.foreach(small_csv_file) do |row|
            row
        end
    end
end

Rehearsal -------------------------------------------------------
Small: CSV #parse     0.590000   0.010000   0.600000 (  0.597775)
Small: CSV #foreach   0.620000   0.000000   0.620000 (  0.621950)
---------------------------------------------- total: 1.220000sec

                          user     system      total        real
Small: CSV #parse     0.590000   0.000000   0.590000 (  0.597594)
Small: CSV #foreach   0.610000   0.000000   0.610000 (  0.604537)

笔记：

large_csv_file 与 small_csv_file 具有不同的结构，因此比较两个文件之间的结果（即行/秒）将是不准确的。

small_csv_file 有 50,000 条记录

large_csv_file 有 1,000,000 条记录

由于为行中的每个字段构建哈希，将 Headers 选项设置为 true 会显着降低性能（请参阅 HeadersConverters 部分：http ://www.ruby-doc.org/stdlib-2.0.0/libdoc/csv/rdoc/CSV .html )

于 2013-11-06T18:55:09.000 回答