go 获取read行数_70 行 Go 代码打败 C！-CSDN博客

本文链接：https://blog.csdn.net/weixin_39688875/article/details/113074686

作为一名程序员，应当具有挑战精神，才能写出“完美”的代码。挑战历史悠久的C语言版wc命令一向是件很有趣的事。今天，我们就来看一下如何用70行的Go代码打败C语言版wc命令。

作者 | Ajeet D'Souza

译者 | 苏本如，责编 | maozz

出品 | CSDN(ID：CSDNnews)

以下为译文：

Chris Penner最近发表的这篇文章——用80行Haskell代码击败C(https://chrispenner.ca/posts/wc)，在互联网上引起了相当大的争议，从那以后，尝试用各种不同的编程语言来挑战历史悠久的C语言版wc命令(译者注：用于统计一个文件中的行数、字数、字节数或字符数的程序命令)就变成了一种大家趋之若鹜的游戏，可以用来挑战的编程语言列表如下：

Ada
C
Common Lisp
Dyalog APL
Futhark
Haskell
Rust

今天，我们将用Go语言来进行这个wc命令的挑战。作为一种具有优秀并发原语的编译语言，要获得与C语言相当的性能应该很容易。

虽然wc命令被设计为可以从标准输入设备(stdin)读取、处理非ASCII文本编码和解析命令行标志(wc命令的帮助可以参考这里)，但我们在这里不会这样做。相反，像上面提到的文章一样，我们将集中精力使我们的实现尽可能简单。

如果你想看这篇文章用到的源代码，可以参考这里(https://github.com/ajeetdsouza/blog-wc-go)。

比较基准

我们将使用GNU的time工具包，针对两种语言编写的wc命令，从运行耗费时间和最大常驻内存大小两个方面来进行比较。

$ /usr/bin/time -f "%es %MKB" wc test.txt

用来比较的C语言版的wc命令和在Chris Penner的原始文章里用到的版本相同，使用gcc 9.2.1和-O3编译。对于我们自己的实现，我们将使用go 1.13.4(我也尝试过gccgo，但结果不是很好)来编译。并且，我们将使用以下系统配置作为运行的基准：

英特尔酷睿i5-6200U@2.30GHz 处理器(2个物理核，4个线程)
4+4 GB内存@2133 MHz
240 GB M.2固态硬盘
Fedora 31 Linux发行版

为了确保公平的比较，所有实现都将使用16 KB的缓冲区来读取输入。输入将是两个大小分别为100 MB和1GB，使用us-ascii编码的文本文件。

原始实现(wc-naïve)

解析参数很容易，因为我们只需要文件路径，代码如下：

if len(os.Args) 2 {panic("no file path specified") } filePath := os.Args[1] file, err := os.Open(filePath)if err != nil {panic(err) }defer file.Close()

我们将按字节遍历文本和跟踪状态。幸运的是，在这种情况下，我们只需要知道两种状态：

前一个字节是空白；
前一个字节不是空白。

当从空白字符变为非空白字符时，我们给字计数器(word counter)加一。这种方法允许我们直接从字节流中读取，从而保持很低的内存消耗。

const bufferSize = 16 * 1024 reader := bufio.NewReaderSize(file, bufferSize) lineCount := 0 wordCount := 0 byteCount := 0 prevByteIsSpace := truefor { b, err := reader.ReadByte()if err != nil {if err == io.EOF {break } else {panic(err) } } byteCount++switch b {case '\n': lineCount++ prevByteIsSpace = truecase ' ', '\t', '\r', '\v', '\f': prevByteIsSpace = truedefault:if prevByteIsSpace { wordCount++ prevByteIsSpace = false } } }

要显示结果，我们将使用本机println()函数。在我的测试中，导入fmt库(注：Go语言的格式化库)会导致可执行文件的大小增加大约400 KB！

println(lineCount, wordCount, byteCount, file.Name())

让我们运行这个程序，然后看看它与C语言版wc的运行结果比较(见下表)：

好消息是，我们的第一次尝试已经使我们在性能上接近C语言的版本。实际上，我们在内存使用方面做得比C更好！

拆分输入(wc-chunks)

虽然缓冲I/O读取对于提高性能至关重要，但调用ReadByte()并检查循环中的错误会带来很多不必要的开销。我们可以通过手动缓冲读取调用而不是依赖bufio.Reader来避免这种情况。

为此，我们将把输入分成可以单独处理的缓冲块(chunk)。幸运的是，要处理一个chunk，我们只需要知道前一个chunk的最后一个字符是否是空白。

让我们编写几个工具函数：

type Chunk struct { PrevCharIsSpace bool Buffer []byte }type Count struct { LineCount int WordCount int }func GetCount(chunk Chunk) Count { count := Count{} prevCharIsSpace := chunk.PrevCharIsSpacefor _, b := range chunk.Buffer {switch b {case '\n': count.LineCount++ prevCharIsSpace = truecase ' ', '\t', '\r', '\v', '\f': prevCharIsSpace = truedefault:if prevCharIsSpace { prevCharIsSpace = false count.WordCount++ } } }return count }func IsSpace(b byte) bool {return b == ' ' || b == '\t' || b == '\n' || b == '\r' || b == '\v' || b == '\f' }

现在，我们可以将输入分成几个chunk(块)，并将它们传送给GetCount函数。

totalCount := Count{} lastCharIsSpace := trueconst bufferSize = 16 * 1024 buffer := make([]byte, bufferSize)for { bytes, err := file.Read(buffer)if err != nil {if err == io.EOF {break } else {panic(err) } } count := GetCount(Chunk{lastCharIsSpace, buffer[:bytes]}) lastCharIsSpace = IsSpace(buffer[bytes-1]) totalCount.LineCount += count.LineCount totalCount.WordCount += count.WordCount }

要获取字节数，我们可以进行一次系统调用来查询文件大小：

fileStat, err := file.Stat()if err != nil {panic(err) } byteCount := fileStat.Size()

现在我们已经完成了，让我们看看它与C语言版wc的运行结果比较(见下表)：

从上表结果看，我们在这两个方面都超过了C语言版wc命令，而且我们甚至还没有开始并行化我们的程序。tokei报告显示这个程序只有70行代码！

使用channel并行化(wc-channel)

不可否认，将wc这样的命令改成并行化运行有点过分了，但是让我们看看我们到底能走多远。Chris Penner的原始文章里的测试采用了并行化来读取输入文件，虽然这样做改进了运行时，但文章的作者也承认，并行化读取带来的性能提高可能仅限于某些类型的存储，而在其他类型的存储则有害无益。

对于我们的实现，我们希望我们的代码能够在所有设备上执行，所以我们不会这样做。我们将建立两个channel – chunks和counts。每个worker线程将从chunks中读取和处理数据，直到channel关闭，然后将结果写入counts中。

func ChunkCounter(chunks chan Chunk, counts chan { totalCount := Count{}for { chunk, ok := if !ok {break } count := GetCount(chunk) totalCount.LineCount += count.LineCount totalCount.WordCount += count.WordCount } counts }

我们将为每个逻辑CPU核心生成一个worker线程：

numWorkers := runtime.NumCPU() chunks := make(chan Chunk) counts := make(chan Count)for i := 0; i go ChunkCounter(chunks, counts) }

现在，我们循环运行，从磁盘读取并将作业分配给每个worker：

const bufferSize = 16 * 1024 lastCharIsSpace := truefor { buffer := make([]byte, bufferSize) bytes, err := file.Read(buffer)if err != nil {if err == io.EOF {break } else {panic(err) } } chunks lastCharIsSpace = IsSpace(buffer[bytes-1]) }close(chunks)

一旦完成，我们可以简单地将每个worker得到的计数(count)汇总来得到总的word count：

totalCount := Count{}for i := 0; i count := totalCount.LineCount += count.LineCount totalCount.WordCount += count.WordCount }close(counts)

让我们运行它，并且看看它与C语言版wc的运行结果比较(见下表)：

从上表可以看出，我们的wc现在快了很多，但在内存使用方面出现了相当大的倒退。特别要注意我们的输入循环如何在每次迭代中分配内存的！channel是共享内存的一个很好的抽象，但是对于某些用例来说，简单地不使用channel通道可以极大地提高性能。

使用Mutex并行化(wc-mutex)

在本节中，我们将允许每个worker读取文件，并使用sync.Mutex互斥锁确保读取不会同时发生。我们可以创建一个新的struct来处理这个问题：

type FileReader struct { File *os.File LastCharIsSpace bool mutex sync.Mutex }func (fileReader *FileReader) ReadChunk(buffer []byte) (Chunk, error) { fileReader.mutex.Lock()defer fileReader.mutex.Unlock() bytes, err := fileReader.File.Read(buffer)if err != nil {return Chunk{}, err } chunk := Chunk{fileReader.LastCharIsSpace, buffer[:bytes]} fileReader.LastCharIsSpace = IsSpace(buffer[bytes-1])return chunk, nil }

然后，我们重写worker函数，让它直接从文件中读取：

func FileReaderCounter(fileReader *FileReader, counts chan Count) {const bufferSize = 16 * 1024 buffer := make([]byte, bufferSize) totalCount := Count{}for { chunk, err := fileReader.ReadChunk(buffer)if err != nil {if err == io.EOF {break } else {panic(err) } } count := GetCount(chunk) totalCount.LineCount += count.LineCount totalCount.WordCount += count.WordCount } counts }

与前面一样，我们现在可以为每个CPU核心生成一个worker线程：

fileReader := &FileReader{ File: file, LastCharIsSpace: true, } counts := make(chan Count)for i := 0; i go FileReaderCounter(fileReader, counts) } totalCount := Count{}for i := 0; i count := totalCount.LineCount += count.LineCount totalCount.WordCount += count.WordCount }close(counts)

让我们运行它，然后看看它与C语言版wc的运行结果比较(见下表)：

可以看出，我们的并行实现运行速度比wc快了4.5倍以上，而且内存消耗更低！这是非常重要的，特别是如果你认为Go是一种自动垃圾收集语言的话。