特征和巨大的密集 2D 阵列

Eigen and huge dense 2D arrays

本文关键字：2D 阵列 巨大 特征      更新时间：2023-10-16

我正在为项目使用2DEigen::Array，我喜欢在大型2D数组的情况下继续使用它们。

为了避免内存问题，我想使用内存映射文件来管理(读/修改/写(这些数组，但我找不到工作示例。

我发现的最接近的例子是基于boost::interprocess，但它使用共享内存(而我更喜欢持久存储(。

缺乏例子让我担心是否有更好的主流替代解决方案来解决我的问题。是这样吗？一个最小的例子会非常方便。

编辑：

这是一个在评论中解释我的用例的最小示例：

#include <Eigen/Dense>

int main()
{
// Order of magnitude of the required arrays
Eigen::Index rows = 50000;
Eigen::Index cols = 40000;
{
// Array creation (this is where the memory mapped file should be created)
Eigen::ArrayXXf arr1 = Eigen::ArrayXXf::Zero( rows, cols );
// Some operations on the array
for(Eigen::Index i = 0; i < rows; ++i)
{
for(Eigen::Index j = 0; j < cols; ++j)
{
arr1( i, j ) = float(i * j);
}
}
// The array goes out of scope, but the data are persistently stored in the file
}
{
// This should actually use the data stored in the file
Eigen::ArrayXXf arr2 = Eigen::ArrayXXf::Zero( rows, cols );
// Manipulation of the array data
for(Eigen::Index i = 0; i < rows; ++i)
{
for(Eigen::Index j = 0; j < cols; ++j)
{
arr2( i, j ) += 1.0f;
}
}
// The array goes out of scope, but the data are persistently stored in the file
}
}

所以我用谷歌搜索

升压内存映射文件

并在第一个结果中遇到了boost::iostreams::mapped_file。

结合此评论中指向Eigen::Map的链接，我测试了以下内容：

#include <boost/iostreams/device/mapped_file.hpp>
#include <Eigen/Dense>

boost::iostreams::mapped_file file("foo.bin");
const std::size_t rows = 163840;
const std::size_t columns = 163840;
if (rows * columns * sizeof(float) > file.size()) {
throw std::runtime_error("file of size " + std::to_string(file.size()) + " couldn’t fit float Matrix of " + std::to_string(rows) + "×"  + std::to_string(columns));
}
Eigen::Map<Eigen::MatrixXf> matrix(reinterpret_cast<float*>(file.data()), rows, columns);
std::cout << matrix(0, 0) << ' ' << matrix(rows - 1, columns - 1) << std::endl;
matrix(0, 0) = 0.5;
matrix(rows - 1, columns - 1) = 0.5;

使用 CMAKE

find_package(Boost REQUIRED COMPONENTS iostreams)
find_package(Eigen3 REQUIRED)
target_link_libraries(${PROJECT_NAME} Boost::iostreams Eigen3::Eigen)

然后我用谷歌搜索

窗口创建虚拟文件

第一个结果给了我

fsutil file createnew foo.bin 107374182400

运行该程序两次会得到：

0

0

0,5 0.5

而不会消耗内存使用量。

所以它就像一个魅力。

我认为为此编写自己的类并不难。

要首次初始化数组，请创建一个大小为x * y * elem_size的文件并对其进行memory map。

您甚至可以添加一个包含大小，x，y等信息的小标题 - 这样，如果您重新打开它们，您将获得所需的所有信息。

现在你有一个大的内存块，你可以使用成员函数elem(x,y)或get_elem()/set_elem()或使用[] operator，并在该函数中计算数据元素的位置。

关闭文件或中间提交将保存数据。

对于非常大的文件，最好在需要时仅map文件的一部分，以避免创建非常大的页表。

特定于Windows(不确定这些在Linux中是否可用(：

  • 如果不需要将数据保留在磁盘上，可以使用delete on close标志打开文件。这只会在内存不可用时(临时(写入磁盘。

    • 对于稀疏

  • 数组，可以使用稀疏文件。这些文件仅将磁盘空间用于包含数据的块。所有其他块都是虚拟的，默认为全部零。

基于此评论和这些答案(https://stackoverflow.com/a/51256963/2741329 和 https://stackoverflow.com/a/51256597/2741329(，这是我的工作解决方案：

#include <boost/interprocess/file_mapping.hpp>
#include <boost/interprocess/mapped_region.hpp>
#include <Eigen/Dense>
#include <iostream>
#include <fstream>
#include <filesystem>
namespace fs = std::experimental::filesystem;
namespace bi = boost::interprocess;
int main() {
std::string array_bin_path = "array.bin";
const int64_t nr_rows = 28000;
const int64_t nr_cols = 35000;
const int64_t array_size = nr_rows * nr_cols * sizeof(float);
std::cout << "array size: " << array_size << std::endl;
// if the file already exists but the size is different, remove it
if(fs::exists(array_bin_path))
{
int64_t file_size = fs::file_size(array_bin_path);
std::cout << "file size: " << file_size << std::endl;
if(array_size != file_size)
{
fs::remove(array_bin_path);
}
}
// create a binary file of the required size
if(!fs::exists(array_bin_path))
{
std::ofstream ofs(array_bin_path, std::ios::binary | std::ios::out | std::ios::trunc);
ofs.seekp(array_size - 1);
ofs.put(0);
ofs.close();
}
// use boost interprocess to memory map the file
const bi::file_mapping mapped_file(array_bin_path.c_str(), bi::read_write);
bi::mapped_region region(mapped_file, bi::read_write);
// get the address of the mapped region
void * addr = region.get_address();
const std::size_t region_size = region.get_size();
std::cout << "region size: " << region_size << std::endl;
// map the file content into a Eigen array
Eigen::Map<Eigen::ArrayXXf> my_array(reinterpret_cast<float*>(addr), nr_rows, nr_cols);
// modify the content
std::cout << "initial array(0, 1) value: " << my_array(0, 1) << std::endl;
my_array(0, 1) += 1.234f;
std::cout << "final array(0, 1) value: " << my_array(0, 1) << std::endl;
return 0;
}

它使用：

  • boost::interprocess代替boost::iostreams，因为它是仅标头的。此外，如果我想在单个映射文件中存储多个数组，mapped_region很方便。
  • std::fstream创建二进制文件并std::experimental::filesystem检查它。
  • Eigen::ArrayXXf按照我的问题的要求。
相关文章：