Version imprimable
Bonjour,
Je travaille avec 2 fichiers texte long (environ 85 000 lignes chacun)
Je stocke donc ces fichiers dans des tableaux de string sur lesquels je viens boucler sur chaque itération.
Le truc c'est que ca prend énormément de temps de boucler sur chaque fichier.
Y a t il une solution autre que tableau de string pour travailler sur les données concernées ? Je ne veux pas créer de base de données pour ce cas là.
merci
Je ne vois pas bien d'autres méthode que de charger les donnes en mémoire dans des tableaux de string comme tu l'a fait.
Ça coince où ? Lors du chargement en mémoire où quand tu fais ton traitement ?
Voir du codé de la parallélisation si possible ?
Si tu poste ton code on peut peut-être t'aider à l'optimiser ?
En fait ces 2 fichiers sont une extraction de données d'une base de données.
Donc j'ai fichier A et fichier B.
Pour chaque ligne de fichier A, je récupère des données communes entre A et B pour au final créer un fichier C qui sera une "jointure" des 2 fichiers.
Donc à un moment donné, pour une ligne du fichier A, je fais boucler mon programme sur tout le fichier B etc etc..donc c'est très long.
Pour certains traitement, j'avais fait des thread, mais bon peu de gain au final...
Bonjour,
D'après ce que tu dis, une ligne de ton fichier B a une référence vers une ligne de ton fichier A. Peut-être qu'en triant les lignes de tes 2 fichiers en fonction de la référence de la ligne de ton fichier A, tu pourras gagner du temps...
L'association en un troisième fichier sera forcément plus rapide. A voir car le tri prend du temps aussi ;)
Sinon postes nous du code, pour qu'on puisse réellement t'aider.
Bon dév.
si nous connaissons un peu d'informations sur le contenu de deux fichiers je pense que nos réponses vont être plus utiles et ciblées :mrgreen:
Peux tu nous donner un peu plus d'information sur la structure de ta donnée.
Tu dis que pour chaque "Ligne" de A tu boucle sur tout B ? mais es ce qu'à une donnée de A correspond plusieurs ligne de B mais à une ligne de B correspond une ligne de A ? En gros es ce que tu as une liaison 1-N ou N-N ?
Une solution serait de monter tout le fichier B en mémoire. Et donc de manière multithread de consulter les lignes de A pour faire la correspondance avec les données de B. * Dans le cas d'une liaison 1-N tu pourrais réduire ta List<string> en retirant les données consommées.
Si tu ne peux pas monter tout le fichier B en mémoire. Dans le cas d'un 1-N cela veut dire que tu peux supprimer la donnée au fur et à mesure de la consommation. C'est à dire qu'à chaque extraction d'une ligne B tu la supprime du fichier.
Au passage la monté de ton fichier en mémoire aujourd'hui n'est forcément énorme. Je fais une supposition, une ligne = 255 caractères.
1 caractère = 1 byte
1*255*80000 = 20 400 000 byte
(20 400 000 / 1024) / 1024 = (environ) 20 MByte (Mo)
Mais ce calcul se fait sur une supposition bien sur.
Pour la première solution, si tu es en 4.0 tu pourrais utiliser des PLINQ c'est pas mal pour traiter des listes rapidement :)
LEs 2 fichiers s'apparentent à du CSV dans la structure. J'ai x colonnes séparées par une tabulation.
La première colonne des 2 fichiers est un champ "ident", car mes 2 fichiers proviennent de 2 systèmes d'informations différent (bdd)
Donc je charge le fichier A, puis à partir d'un foreach je lis la première ligne.
Je récupère mon élément "ident", et je parcours le fichier B à la recherche de la ligne qui contient cet identifiant. Si je le trouve, je récupère une information précise de la ligne du fichier B concernée.
Je stocke ensuite la ligne A + l'information du fichier B dans une List<string> que j'incrémente au besoin.
Une fois que tout mon fichier A est bouclé, j'exporte dans un fichier texte les informations "ligne A + information B".
Je suis donc en solution N-N car un élément de B peut correspondre à plusieurs A...
C'est le principe d'une fusion / tri
1- Charge ton fichier A dans une List<> de classe appropriées
2- Trie cette list avec un comparer approprié
3- Lit le fichier B et pour chaque element de B effectue une recherche dans A a l'aide BinarySearch
4- Complete les element
ATTENTION si A contient des doublons tu dois prevoir d'ajouter un iterateur pour utiliser le BinarySearch correctement
Bonjour
Il ne serait pas plus simple de travailler sur la base de données avant extraction ? Pour traiter des données c'est ce qu'il y a quand même de plus efficace.Citation:
Envoyé par Freud44
Et si ce n'est pas possible, pourquoi ne pas réécrire les fichiers dans des tables temporaires qui permettront également de faire faire le boulot par le SGBD, qui est a priori mieux armé pour cela ?
Effectivement
BlueDeep a raison je n'avais pas lu que les fichiers textes etaient extrait d'une BD
Je comprends donc boucoup moins cette necessité de jointure sur les fichiers texte
Sauf si les condition de jointures sont particulierement complexe !
L'un des fichiers provient d'un AS400, l'autre d'un SGBD classique.
Effectivement je pourrais faire des tables temporaires, j'y avais bien pensé, surtout que pour ce genre de jointure entre 2 fichiers, un sgbd est fait pour ça, sauf que nous n'avons pas le temps de redévelopper un peu de spécifique pour lancer la jointure.
Donc des List et un Comparer !