问题标签 [memory-efficient]

将成员变量声明为只读有什么好处？它只是防止有人在类的生命周期内改变它的值，还是使用这个关键字会带来任何速度或效率的提高？

我有以下稀疏矩阵A。

然后我想从那里捕获以下信息：

1. 条目的累积计数，因为矩阵是按列扫描的。产量：

   Ap = [ 0, 2, 5, 9, 10, 12 ];

2. 条目的行索引，因为矩阵是按列扫描的。产量：

   Ai = [0, 1, 0, 2, 4, 1, 2, 3, 4, 2, 1, 4]；

3. 非零矩阵条目，因为矩阵是按列扫描的。产量：

   Ax = [2, 3, 3, -1, 4, 4, -3, 1, 2, 2, 6, 1]；

由于实际矩阵 A 可能非常大，Perl 中是否有任何有效的方法可以捕获这些元素？尤其是在没有将所有矩阵 A 放入 RAM 的情况下。

我被以下代码困住了。这没有给我想要的。

如果一台计算机只能容纳 100 万个数字，如何从 1 亿个数字中找出中位数？

我正在开发一个 java 项目，该项目将允许用户解析可能有数千行的多个文件。解析的信息将存储在不同的对象中，然后将其添加到集合中。

由于 GUI 不需要一次加载所有这些对象并将它们保存在内存中，因此我正在寻找一种从文件加载/卸载数据的有效方法，以便仅在用户请求时将数据加载到集合中.

我现在只是评估选项。我还考虑过这样一种情况，在将数据子集加载到集合中并将其呈现在 GUI 上之后，重新加载先前观察到的数据的最佳方式。重新运行解析器/填充集合/填充 GUI？或者可能找到一种方法将集合保存到内存中，或者序列化/反序列化集合本身？

我知道如果执行某种数据过滤，加载/卸载数据子集会变得很棘手。假设我过滤了 ID，所以我的新子集将包含来自之前分析的两个子集的数据。这没问题，因为我将整个数据的主副本保存在内存中。

我读过 google-collections 在处理大量数据时既好又高效，并提供了简化很多事情的方法，因此这可能提供一种替代方法，让我可以将集合保存在内存中。这只是泛泛而谈。关于使用什么集合的问题是一个单独且复杂的事情。

你知道这类任务的一般建议是什么吗？我想听听你对类似场景做了什么。

如果需要，我可以提供更多细节。

请原谅我的无知，因为我不是计算机工程师，而是生物学。我已经成为预分配对象的忠实拥护者（Patrick Burns 对 SO 和 R inferno 的赞誉），并希望改善我的编码习惯。代替这个事实，我一直在考虑编写更有效的函数并有以下问题。

删除将在下一个循环开始时被覆盖的变量有什么好处，或者这只是浪费时间？为了论证，我们假设新旧变量的大小非常相似或相同。

我有几个文件的内容需要合并到一个文件中。我有以下代码可以做到这一点......但在内存使用方面似乎相当低效......你会建议一个更好的方法吗？

Util.MoveFile 函数只是考虑跨卷移动文件

}

想象一下，我有一个名为 X 的变量。假设每 5 秒我想让 X = true。（在这 5 秒之间可能为真或假，但在 5 秒结束时重置为真）。

检查该值是否已经为真，如果不是，则将其重新分配为真会更有效吗？还是只有 X = true？

换句话说，哪个会跑得更快？

对比

一方面，如果不需要，第一个程序不会改变变量。另一方面，第二个程序不需要检查 X 等于什么；它直接潜入。

是的，我知道这不是什么新鲜事，而且已经有很多问题（它甚至有自己的标签），但我想用 Java 创建一个数独求解器，只是为了训练自己编写更多的代码高效的。

在程序中执行此操作的最简单方法可能是通过大量的 for 循环解析每一列和每一行，收集每个单元格的可能值，然后以一种可能性（无论它们是否只包含 1 个数字，或者它们是行/列中唯一包含此数字的单元格），直到您解决了难题。当然，对动作的纯粹思考应该在每个程序员的脑海中升起一面红旗。

我正在寻找的是以最有效的方式解决这个傻瓜的方法（请尽量不要包含太多代码 - 我想自己弄清楚那部分）。

如果可能的话，我想避免使用数学算法——那些太容易了，而且 100% 不是我的工作。

如果有人可以提供一个逐步、有效的思维过程来解决数独难题（无论是由人还是计算机），我会非常高兴:)。我正在寻找一些模糊的东西（所以这是一个挑战），但信息量足够大（所以我并没有完全迷失）让我开始。

非常感谢，

贾斯蒂安·迈耶

编辑：

看着我的代码，我开始思考：存储这些求解状态（即数独网格）的一些可能性是什么。我想到了 2D 阵列和 3D 阵列。哪个可能是最好的？2D 可能更容易从表面管理，但 3D 阵列也会提供“盒子”/“笼子”编号。

编辑：

没关系。我将使用 3D 数组。

就内存空间或构建时间而言，有谁知道保留图形信息的更有效方法（即比将其保留为二维数组更有效）？

您可以假设它的值限制在 0-255 之间。

谢谢！

我需要一个内存高效的数据结构来存储大约一百万个键值对，其中键是大约 80 字节的字符串，值是大约 200 字节的字符串，键和值的总大小约为 280MB。我还需要通过键有效地查找值，最好是哈希映射。内存开销应尽可能小，例如对于 280MB 的有用数据，数据结构不应使用超过 300MB 的虚拟内存（包括malloc()开销和其他一切）。使用模式如下：我们从一个空的数据结构开始，逐渐填充它，从不改变键，从不改变值的长度。另外，数据结构可以支持更改值的长度，但代价是 100% 的值开销（这意味着对于 x 值字节，x 字节可能会暂时浪费在未使用的缓冲区空间中）。

我需要一个纯 Python 模块，或者一个内置的 Python 模块，或者一个最好带有 (C)Python 绑定的 C 实现。如果有可能将整个数据结构序列化到磁盘，并且可以非常快速地读回它，我会更喜欢。

只是为了证明这么小的开销是可能的，我创建了一个开放寻址的简单设计，125 万个元素的哈希表包含指向 1MB 数据块的 4 字节指针，数据块包含键和值长度作为基础-128 个变量。这种设计有一个重要的限制：它不允许在不浪费内存区域的情况下删除或更改对。根据我对 100 万个每个 280 字节的键值对的计算，开销小于 3.6%（10 080 000 字节）。上面的限制更加慷慨，它们允许 20 000 000 字节的开销。

我刚刚找到http://www.pytables.org/，它提供了快速访问和内存高效的数据打包。我必须更仔细地检查它是否适合我的需要。