VC读取大文件之创建文件映射及文件写入效率测试

文件太大，没法一次读取到内存进行操作？Windows提供了内存映射API来读取大文件，与普通文件读取相比，内存映射效率比较高。

从代码层面上看，从硬盘上将文件读入内存，都要经过文件系统进行数据拷贝，并且数据拷贝操作是由文件系统和硬件驱动实现的，理论上来说，拷贝数据的效率是一样的。但是通过内存映射的方法访问硬盘上的文件，效率要比read和write系统调用高，这是为什么呢？原因是read()是系统调用，其中进行了数据拷贝，它首先将文件内容从硬盘拷贝到内核空间的一个缓冲区，如图2中过程1，然后再将这些数据拷贝到用户空间，如图2中过程2，在这个过程中，实际上完成了 两次数据拷贝 ；而mmap()也是系统调用，如前所述，mmap()中没有进行数据拷贝，真正的数据拷贝是在缺页中断处理时进行的，由于mmap()将文件直接映射到用户空间，所以中断处理函数根据这个映射关系，直接将文件从硬盘拷贝到用户空间，只进行了 一次数据拷贝 。因此，内存映射的效率要比read/write效率高。（引用自http://blog.csdn.net/mg0832058/article/details/5890688）

本文主要以代码的方式演示读取大文件的API使用，顺带测试了缓冲区大小与写文件速度的关系，以及绘制文件写入速率图。

HANDLE hFile = NULL;
	HANDLE hFileMap = NULL;
	LARGE_INTEGER liResult;
	hFile = CreateFile(L"e:\\1.zip", GENERIC_READ|GENERIC_WRITE, 0, 0, OPEN_EXISTING, FILE_ATTRIBUTE_NORMAL, NULL);
	if ( INVALID_HANDLE_VALUE == hFile )
	{
		goto __TestEnd;
	}
	//创建文件映射
	hFileMap = CreateFileMapping(hFile, NULL, PAGE_READWRITE, 0, 0, NULL);
	if ( NULL == hFileMap )
	{
		goto __TestEnd;
	}
	//得到系统分配粒度
	SYSTEM_INFO si;
	GetSystemInfo(&si);
	DWORD dwSysGran = si.dwAllocationGranularity;
	//得到文件大小
	LARGE_INTEGER lFileSize;
	GetFileSizeEx(hFile, &lFileSize);
	CloseHandle(hFile);
	hFile = INVALID_HANDLE_VALUE;
	//性能方面，都知道容器大小了就先初始化大小，免得用vector自己的扩容机制浪费CPU
	vecTime.resize(200, 0);
	char szPath[MAX_PATH] = {0};
	for ( int i=1; i<=200; ++i )
	{
		__int64 qwFileOffset = 0;
		__int64 qwFileSize = lFileSize.QuadPart;
		DWORD dwDataLen = 0;
		FILE* fp = NULL;
		DWORD dwBlockBytes = i*dwSysGran;
		if ( lFileSize.QuadPart<dwBlockBytes )
			dwBlockBytes = lFileSize.QuadPart;
		sprintf(szPath, "d:\\test\\%d.zip", i);
		//DeleteFileA(pFile);
		{
			//PERFOR_TEST("复制文件测试4KB_1");
			CPerforTest test(&liResult);
			fp = fopen(szPath, "ab+");
			while( qwFileSize>0 )
			{
				dwDataLen = qwFileSize<dwBlockBytes? qwFileSize : dwBlockBytes;
				LPBYTE lpData = (LPBYTE)MapViewOfFile(hFileMap, FILE_MAP_READ|FILE_MAP_WRITE, (DWORD)(qwFileOffset>>32),
					(DWORD)(qwFileOffset&0xffffffff), dwDataLen);
				if ( NULL == lpData )
					break;
				//把文件复制到另一个目录下，写文件操作
				//fp = fopen(szPath, "ab+");//追加方式写入文件，不存在则创建
				fwrite(lpData, dwDataLen, 1, fp);
				//fclose(fp);
				UnmapViewOfFile(lpData);
				qwFileOffset += dwDataLen;
				qwFileSize -= dwDataLen;
			}
			fclose(fp);
		}
		vecTime[i-1] = liResult.LowPart/300;
		Sleep(100);
	}
__TestEnd:
	DWORD dwError = GetLastError();
	//内核句柄清理工作
	if ( hFile != INVALID_HANDLE_VALUE )
	{
		CloseHandle(hFile);
		hFile = INVALID_HANDLE_VALUE;
	}
	if ( hFileMap )
	{
		CloseHandle(hFileMap);
		hFileMap = NULL;
	}

值得注意的是，内存映射大小必须是系统分配大小基数的倍数。每次读完一段，我们就把这个文件指针位置qwFileOffset 后移一段直到读完。还有就是，必须是有多少读多少，最后一次往往其空间比正常分配的小，我们需要计算分配空间：dwDataLen = qwFileSize<dwBlockBytes? qwFileSize : dwBlockBytes;不然的话，分配空间大于文件剩余大小，MapViewOfFile就会失败。

统计绘制效率：

//一次冒泡排序找到最小的那个数及其索引，索引很重要，我们可以知道每次写入多大时效率最高
	DWORD dwMinTime = vecTime[0];
	size_t nIndex = 0;
	for ( size_t i=1; i<vecTime.size(); ++i )
	{
		if ( vecTime[i]<dwMinTime )
		{
			dwMinTime = vecTime[i];
			nIndex = i;
		}
	}
	g_dwMinTime = dwMinTime;
	g_nBuffSize = (nIndex+1)*dwSysGran/1024;//换算成KB
	//通知窗口刷新绘制
	g_bInit = true;
	InvalidateRect(hWnd, NULL, TRUE);
	BringWindowToTop(hWnd);
	return 0;

绘制效率图：

	case WM_SIZE:
		{
			g_bSizeChange = true;
			break;
		}
	case WM_PAINT:
		{
			hdc = BeginPaint(hWnd, &ps);
			// TODO: 在此添加任意绘图代码...
			RECT rcClient;
			GetClientRect(hWnd, &rcClient);
			if ( g_bSizeChange )
			{//窗口大小改变了，需要我们重新创建对应大小的缓冲DC
				if ( g_hMemDC )
				{
					DeleteDC(g_hMemDC);
					DeleteObject(g_hMemBmp);
				}
				g_hMemDC = CreateCompatibleDC(hdc);
				g_hMemBmp= CreateCompatibleBitmap(hdc, rcClient.right-rcClient.left, \
					rcClient.bottom-rcClient.top);
				SelectObject(g_hMemDC, g_hMemBmp);
				g_bSizeChange = false;
			}
			if ( g_bInit )
			{
				HPEN hOldPen = (HPEN)SelectObject(g_hMemDC, g_hPen);
				POINT pt;
				MoveToEx(g_hMemDC, 0, 0, &pt);
				for ( size_t i=0; i<vecTime.size(); ++i )
				{
					LineTo(g_hMemDC, (i+1)*5, rcClient.bottom-vecTime[i]);
				}
				::SelectObject(g_hMemDC, hOldPen);
				wchar_t szText[100] = {0};
				swprintf(szText, L"缓冲区为：%u KB时，写入文件用时最短：%u", g_nBuffSize, g_dwMinTime);
				SetTextColor(g_hMemDC, RGB(255,0,0));
				SetBkMode(g_hMemDC, TRANSPARENT);
				RECT rcText = {10,0,600,40};
				DrawText(g_hMemDC, szText, wcslen(szText), &rcText, DT_LEFT|DT_VCENTER|DT_SINGLELINE);
			}
			::BitBlt(hdc, 0, 0, rcClient.right, rcClient.bottom, g_hMemDC, 0, 0, SRCCOPY);
			EndPaint(hWnd, &ps);
		}
		break;

由于循环执行200次，I/O操作相对耗时，为了防止把电脑卡死了，就在每次写完Sleep(100);绘制部分的视图大小有限有的区域无法绘制出来就会出现断线，绘制结果图：

我的测试文件是一个大小为15M左右的文件，缓冲区变化范围：1×63KB----200×63KB，这里最优的竟然是每次写入大约1.7M数据时。