동일한 바이트를 그룹화하여 매우 큰 파일의 바이트 수를 계산하는 방법은 무엇입니까? [복사]

한 번에 1바이트씩 읽고 전체를 저장하는 작은 C(또는 Perl, Python 등) 프로그램을 작성하세요. 합리적인 운영 체제에서 완전히 두뇌가 없는 언어는 합리적으로 효율적인 방식으로 버퍼링 및 기타 작업을 투명하게 처리합니다.

이것이 귀하가 찾고 있는 솔루션인지 확실하지 않지만 파일을 여러 개의 작은 파일로 분할한 다음(예: split -b 100MB yourfile링크한 스레드에 설명된 방법을 적용하여) 스프레드시트를 사용하여 별도의 파일에서 바이트를 계산합니다. 파일 원하는 소프트웨어를 추가하세요.

기존 도구가 내가 원하는 것을 수행하는 것 같지 않았기 때문에 가장 편한 언어인 Python과 Java로 자체 구현된 두 가지 "스크립트"를 시도했습니다.

첫 번째 시도: Python

다음 Python 3 스크립트는 모든 크기의 파일에서 작동하며 각 바이트가 발생하는 빈도를 계산합니다. 불행하게도, 심지어는 매우 느리게 실행됩니다. Raspberry 2에서 Python 3.5를 사용하면 1MB를 처리하는 데 1초가 넘게 걸립니다!

#!/usr/bin/python3
import sys
file_name = sys.argv[1]
count = 0
block_size = 1048576
byte_count = [0] * 256
with open(file_name, "rb") as f:
    data = f.read(block_size)
    while data:
        for b in data:
            byte_count[b] += 1
        count = count + len(data)
        print("%d MiB"%(count / 1048576))
        data = f.read(block_size)

print("read bytes: {}".format(count))
for i in range(0,255):
    b_c = byte_count[i]
    print("{} : {} ({:f} %)".format('0x%02x'%i, b_c,  b_c / count * 100))

두 번째 시도: Java

두 번째 시도에서는 버퍼를 재사용하고 보다 효율적으로 작동하는 JIT가 포함된 정적인 유형의 언어인 Java를 사용했습니다. Java 9에서 실행되는 Java 버전은 Python 버전보다 40배 빠르지만 두 버전 모두 동일한 방식으로 작동합니다.

• 엮다:javac CountByteValues.java
• 달리기:java -cp . CountByteValues <filename>

.

// CountByteValues.java
import java.io.FileInputStream;
import java.io.IOException;

public class CountByteValues {

    public static void main(String[] args) {
        try (FileInputStream in = new FileInputStream(args[0])) {
            long[] byteCount = new long[256];
            byte[] buffer = new byte[1048576];
            int read;
            long count = 0;
            while ((read = in.read(buffer)) >= 0) {
                for (int i = 0; i < read; i++) {
                    byteCount[0xFF & buffer[i]]++;
                }
                count += read;
                System.out.println((count / 1048576) + " MB");
            }

            System.out.println("Bytes read: " + count);
            for (int i = 0; i < byteCount.length; i++) {
                System.out.println(String.format("0x%x %d (%.2f%%)", i, byteCount[i], byteCount[i] * 100f / count));
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

일반적으로 C 프로그램이 가장 빠릅니다.
귀하가 제공한 Perl 예제는 머신에서 5초가 걸립니다.
다음 C 코드는 0.069초밖에 걸리지 않습니다.

#include <stdio.h>

#define BUFFERLEN 4096

int main(){
    // This program reads standard input and calculate frequencies of different
    // bytes and present the frequences for each byte value upon exit.
    //
    // Example:
    //
    //     $ echo "Hello world" | ./a.out
    //
    // Copyright (c) 2015 Björn Dahlgren
    // Open source: MIT License

    long long tot = 0; // long long guaranteed to be 64 bits i.e. 16 exabyte
    long long n[256]; // One byte == 8 bits => 256 unique bytes

    const int bufferlen = BUFFERLEN;
    char buffer[BUFFERLEN];
    int i;
    size_t nread;

    for (i=0; i<256; ++i)
        n[i] = 0;

    do {
        nread = fread(buffer, 1, bufferlen, stdin);
        for (i = 0; i < nread; ++i)
            ++n[(unsigned char)buffer[i]];
        tot += nread;
    } while (nread == bufferlen);
    // here you may want to inspect ferror of feof

    for (i=0; i<256; ++i){
        printf("%d ", i);
        printf("%f\n", n[i]/(float)tot);
    }
    return 0;
}

복사한 곳https://unix.stackexchange.com/a/209786/232326