Temps d'exécution TList et TStringList

Bonjour,

Je voudrais connaître les différences en terme d'execution (délai) dans les traitement impliquant les Tlist et les TStringList.

En fait mon bosse me pet les ....:bug: il affirme que le traitement de comparaison de plus de 58000 lignes (ligne pas ligne) prend 2 minutes :marteau:avec les Tlists,
j'ai essayé avec les tlist et cela ne prends pas pas 2 minutes peut dans l'espace temps des boss mais pas dans le mien

je vous explique le traitement :

1- Je recherche toutes les occurences de destination dans ce fameux fichier de 58000 lignes ==> en ressort 633 occurs différentes ==> moins de 10 secondes
2- Je recherche pour chacunes de ces 633 occurs d'autres informations dans ce fichier de 58000 lignes, à raison de 18 secondes de traitement pour chaque occurs (parcours des 58000 pour vérifier s'il n'y as pas de doublons) ==> ~3 heures

PS/ effectivement il y a un delta avec l'utilisation de TstringList je passe de 18 à 25 secondes, rien de très transcendant.

Est ce que cela est pour vous normal ?

auriez vous une idée pour améliorer le temps

Merci

Est-ce que les lists sont triées?

est-il possible d'envisager de trier les lignes alphabétiquement et de charger le StringList avec DupIgnore pour éliminer les doublons ?

Bjr

D'accord avec les réponses précédentes à 100% :P

TList ou TStringList c'est pratiquement la même chose côté perf. Avec un léger avantage à la TList puisqu'elle ne manipule que des pointeurs.
Maintenant ce qui influence les listes c'est la nature des éléments qu'elles contiennentt ! Crois moi j'ai sais quelque chose :mouarf:

Pour ton traitement 3 heures cela me semble démesurer 8O


As-tu pensé à faire un mettre la propriété de la Sorted de la TStringlist à True et à définir une procédure de tri personnalisée ?

Ainsi lorsque tu insères tes 58 0000 lignes ta liste filtre automatiquement et elle ne contient que tes 633 sans rien faire ! :lol:

Ensuite tu traites ta liste de 633 occurrences pour faire les traitements que tu veux.

A mon avis tu vas passer de 3heures à moins d'une demi heure voir moins :yaisse2: ou alors c'est que chacune de tes lignes est vraiment très volumineuse et que le critère de tri n'est pas situé à un emplacement fixe dans chaque chaîne (le pire des cas :twisted:)

En fait il s'agit d'un fichier CSV et je dois extraire certaines informations et faire le trie sur chacune de ces 58000 lignes

je suis passé sur une autre machine et j'ai divisé le temps par 3 ==> 72 minutes de traitements
c'est déja mieux :yaisse2:

Citation:

---

72 minutes de traitements
c'est déja mieux

---

Ouais enfin pour 58 000 enreg c'est pas non plus terrible :(

Il fait quelle taille ton fichier CSV ?

As-tu essayé en appliquant une procédure de tri personnalisée ?

ouhais ouhais je sais c'est pas térrible mais c'est tjrs mieux que 3 heures

voila la tête de mon fichier CSV

Code:

---

1 2 3 4 5 6 7 8 9

toto;20071001;20071006;93;9;00:00:00;23:59:59;0.16590000;AFGHANISTAN; toto;20071001;20071006;9370;9;00:00:00;23:59:59;0.15319700;AFGHANISTAN GSM; toto;20071001;20071006;9375;9;00:00:00;23:59:59;0.15319700;AFGHANISTAN toto;20071001;20071006;3554;9;00:00:00;23:59:59;0.02211300;ALBANIE TIRANA; toto;20071001;20071006;213;9;00:00:00;23:59:59;0.09500000;ALGERIA; toto;20071001;20071006;21321;9;00:00:00;23:59:59;0.09500000;ALGERIA ALGER; toto;20071001;20071006;2131;9;00:00:00;23:59:59;0.10659000;ALGERIA CAT;

---

Bonjour,

A propos de :

Citation:

---

... parcours des 58000 pour vérifier s'il n'y as pas de doublons) ==> ~3 heures

---

... Pour la supression des doublons tu peux jeter un oeil ici :
http://www.developpez.net/forums/d44...te-rapidement/
... où tu trouveras un bout de code et les tésultats de tests comparatifs de vitesse d'exécution.

A+ :D

en fait l'algo est le suivant :
1- recherche pays
2- Recherche de toutes les occurrences avec le pays recherche en 1, pour cela je parcours la liste de 58000 occurrences et cela 633 foit (nombre de pays distinct)

en fait je 72 minutes de traitement pour une lecture de 633 * 58000 lignes

avec vous une autre idée d'algo

Pour un traitement ultra rapide, il faudrait générer une table de hachage de tes données. Ce qui revient à calculer une représentation sous la forme d'un entier (Code de hachage) de ta chaîne (un champ de ton cvs)

Il faudra certainement une table par champ de recherche. Les tables sont sous la forme Array of Array of integer. La 1ère array est le hash calculé et la 2ème la table des collisions. (Plusieurs chaînes pourraient avoir la même valeur de hash => Collision)

A l'utilisation, tu n'auras plus qu'à générer le code de hachage de la chaîne de recherche qui te renverra immédiatemant à l'index de la table qui elle-même contiendra les indexes dans le TStringList qui te donnera une nouvelle valeur de recherche, etc.

La génération des tables ne devrait prendre que quelques secondes et le tri sera quasi instantané (travail uniquement sur des entiers) :yaisse2:

C'est le principe des aides à la saisie dans les traitements de textes basés sur un fichier texte qui peuvent contenir plus de 100'000 mots ;)

Tu as même sous Delphi (et oui) une class THashedStringList dans l'unité IniFiles. Je ne lai personnellement jamais testée et ne sait pas si elle est adaptée à tes besoins. Mais elle peut en tous les cas te données une base de départ.

ca depend de la nature de ton traitement pour chaque pays, mais pourquoi ne pas faire comme ca :


si ton algo de base est :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12

CSV := ChargeCSV(); // 58000 elements P := recherche des pays distincts(); //633 elements   for i := 0 to P.Count-1 do begin P[i].nbHab := 0; for j := 0 to CSV.count-1 do begin if CSV[j].pays = P[i].pays then P[i].nbHab := P[i].nbHab + CSV[j].NbHab; end; end;

---

alors tu peux le remplcaer comme ca:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12

CSV := ChargeCSV(); // 58000 elements P := TList.Create;   for i := 0 to CSV.count-1 do begin idPays := RecherchePays(P, CSV[i].pays); if idPays = -1 then idPays := AjouterUnPays(P, CSV[i].pays);   P[idPays].nbHab := P[idPays].nbHab + CSV[i].NbHab; end;

---

mais tout depend du traitement que tu as a faire pour chaque pays.
Dans mon cas, tu ne fais qu'une fois le parcours des 58000 lignes, mais tu fais 58000 fois la recherche du pays courant dans P (qui contient au max 633 elements dans ton cas). si tu utilise une table de hachage pour P, alors la recherche sera nettement plus rapide. A mon avis, en utilisant ma methode, tu aura un gain de temps enorme. Mais je le repete, ca depend totalement du traitement que tu as a faire pour chaque pays.

Sur le principe, je déclarerais un record (ou un objet) avec les différents champs du csv.
Je chargerais le fichier dans le TList (liste de record, ou d'objets), ensuite je surchargerais la méthode Sort (ou compare, je ne sais plus) pour classer de la manière souhaitée.

Ensuite une fonction pour retrouver le premier élément d'un pays par une recherche dichotomique (légérement modifée pour tomber sur le premier et pas en plein milieu des éléments de ce pays).

merci de cette contribution, en fait j'ai mis en place l'algo n°2

je continue à rechercher les raisons de la lenteur

pourquoi ne pas utiliser une BDD à charger avec le CSV, qq clefs sur les champs pertinents, et des requêtes bien conçues : ça devrait faire le boulot, non ?

Vous allez rire, j'ai modifié le traitement il là boum moins de 5 minutes, en fait je parcours la liste une seule fois et cela est suffisant

en tous cas merci à tous, un peu de réflexion et d'aide et tous marche

Cordialement
Qays