.NET CORE中比較兩個(gè)文件內(nèi)容是否相同的最快方法
前言
最近項(xiàng)目有個(gè)需求,需要比較兩個(gè)任意大小文件的內(nèi)容是否相同,要求如下:
- 項(xiàng)目是.NET CORE,所以使用C#進(jìn)行編寫(xiě)比較方法
- 文件大小任意,所以不能將文件內(nèi)容全部讀入到內(nèi)存中進(jìn)行比較(更專(zhuān)業(yè)點(diǎn)說(shuō),需要使用非緩存的比較方式)
- 不依賴(lài)第三方庫(kù)
- 越快越好
為了選出最優(yōu)的解決方案,我搭建了一個(gè)簡(jiǎn)單的命令行工程,準(zhǔn)備了兩個(gè)大小為912MB的文件,并且這兩個(gè)文件內(nèi)容完全相同.在本文的最后,你可以看到該工程的Main方法的代碼.
下面我們開(kāi)始嘗試各個(gè)比較方法,選出最優(yōu)的解決方案:
比較兩個(gè)文件是否完全相同,首先想到的是用哈希算法(如MD5,SHA)算出兩個(gè)文件的哈希值,然后進(jìn)行比較.
廢話少說(shuō),擼起袖子寫(xiě)一個(gè)MD5比較方法:
/// <summary> /// MD5 /// </summary> /// <param name="file1"></param> /// <param name="file2"></param> /// <returns></returns> private static bool CompareByMD5(string file1, string file2) { // 使用.NET內(nèi)置的MD5庫(kù) using (var md5 = MD5.Create()) { byte[] one, two; using (var fs1 = File.Open(file1, FileMode.Open)) { // 以FileStream讀取文件內(nèi)容,計(jì)算HASH值 one = md5.ComputeHash(fs1); } using (var fs2 = File.Open(file2, FileMode.Open)) { // 以FileStream讀取文件內(nèi)容,計(jì)算HASH值 two = md5.ComputeHash(fs2); } // 將MD5結(jié)果(字節(jié)數(shù)組)轉(zhuǎn)換成字符串進(jìn)行比較 return BitConverter.ToString(one) == BitConverter.ToString(two); } }
比較結(jié)果:
Method: CompareByMD5, Identical: True. Elapsed: 00:00:05.7933178
耗時(shí)5.79秒,感覺(jué)還不錯(cuò).然而,這是最佳的解決方案嗎?
其實(shí)我們仔細(xì)想一下,答案應(yīng)該是否定的.
因?yàn)槿魏喂K惴ū举|(zhì)上都是對(duì)字節(jié)進(jìn)行一定的計(jì)算,而計(jì)算過(guò)程是要消耗時(shí)間的.
很多下載網(wǎng)站上提供了下載文件的哈希值,那是因?yàn)橄螺d的源文件本身不會(huì)改變,只需要計(jì)算一次源文件的哈希值,提供給用戶驗(yàn)證即可.
而我們的需求中,兩個(gè)文件都是不固定的,那么每次都要計(jì)算兩個(gè)文件的哈希值,就不太合適了.
所以,哈希比較這個(gè)方案被PASS.
這種求算法最優(yōu)解的問(wèn)題,我以往的經(jīng)驗(yàn)是: 去stackoverflow查找 :)
經(jīng)過(guò)我的艱苦努力,找到了一個(gè)非常切題的答案: How to compare 2 files fast using .NET?
得贊最多一個(gè)答案,將代碼改造了一下放入工程中:
/// <summary> /// https://stackoverflow.com/a/1359947 /// </summary> /// <param name="file1"></param> /// <param name="file2"></param> /// <returns></returns> private static bool CompareByToInt64(string file1, string file2) { const int BYTES_TO_READ = sizeof(Int64); // 每次讀取8個(gè)字節(jié) int iterations = (int)Math.Ceiling((double)new FileInfo(file1).Length / BYTES_TO_READ); // 計(jì)算讀取次數(shù) using (FileStream fs1 = File.Open(file1, FileMode.Open)) using (FileStream fs2 = File.Open(file2, FileMode.Open)) { byte[] one = new byte[BYTES_TO_READ]; byte[] two = new byte[BYTES_TO_READ]; for (int i = 0; i < iterations; i++) { // 循環(huán)讀取到字節(jié)數(shù)組中 fs1.Read(one, 0, BYTES_TO_READ); fs2.Read(two, 0, BYTES_TO_READ); // 轉(zhuǎn)換為Int64進(jìn)行數(shù)值比較 if (BitConverter.ToInt64(one, 0) != BitConverter.ToInt64(two, 0)) return false; } } return true; }
該方法基本的原理是循環(huán)讀取兩個(gè)文件,每次讀取8個(gè)字節(jié),轉(zhuǎn)換為Int64,再進(jìn)行數(shù)值比較.那么效率如何呢?
Method: CompareByToInt64, Identical: True. Elapsed: 00:00:08.0918099
什么?8秒!竟然比MD5還慢?這不是SO得贊最多的答案嗎,怎么會(huì)這樣?
其實(shí)分析一下不難想到原因,因?yàn)槊看沃蛔x取8個(gè)字節(jié),程序頻繁的進(jìn)行IO操作,導(dǎo)致性能低下.看來(lái)SO上的答案也不能迷信啊!
那么優(yōu)化的方向就變?yōu)榱巳绾螠p少I(mǎi)O操作帶來(lái)的損耗.
既然每次8個(gè)字節(jié)太少了,我們定義一個(gè)大一些的字節(jié)數(shù)組,比如1024個(gè)字節(jié).每次讀取1024個(gè)字節(jié)到數(shù)組中,然后進(jìn)行字節(jié)數(shù)組的比較.
但是這樣又帶來(lái)一個(gè)新問(wèn)題,就是如何快速比較兩個(gè)字節(jié)數(shù)組是否相同?
我首先想到的是在MD5方法中用過(guò)的----將字節(jié)數(shù)組轉(zhuǎn)換成字符串進(jìn)行比較:
/// <summary> /// 讀入到字節(jié)數(shù)組中比較(轉(zhuǎn)為String比較) /// </summary> /// <param name="file1"></param> /// <param name="file2"></param> /// <returns></returns> private static bool CompareByString(string file1, string file2) { const int BYTES_TO_READ = 1024 * 10; using (FileStream fs1 = File.Open(file1, FileMode.Open)) using (FileStream fs2 = File.Open(file2, FileMode.Open)) { byte[] one = new byte[BYTES_TO_READ]; byte[] two = new byte[BYTES_TO_READ]; while (true) { int len1 = fs1.Read(one, 0, BYTES_TO_READ); int len2 = fs2.Read(two, 0, BYTES_TO_READ); if (BitConverter.ToString(one) != BitConverter.ToString(two)) return false; if (len1 == 0 || len2 == 0) break; // 兩個(gè)文件都讀取到了末尾,退出while循環(huán) } } return true; }
結(jié)果:
Method: CompareByString, Identical: True. Elapsed: 00:00:07.8088732
耗時(shí)也接近8秒,比上一個(gè)方法強(qiáng)不了多少.
分析一下原因,在每次循環(huán)中,字符串的轉(zhuǎn)換是一個(gè)非常耗時(shí)的操作.那么有沒(méi)有不進(jìn)行類(lèi)型轉(zhuǎn)換的字節(jié)數(shù)組比較方法呢?
我想到了LINQ中有一個(gè)比較序列的方法SequenceEqual,我們嘗試使用該方法比較:
/// <summary> /// 讀入到字節(jié)數(shù)組中比較(使用LINQ的SequenceEqual比較) /// </summary> /// <param name="file1"></param> /// <param name="file2"></param> /// <returns></returns> private static bool CompareBySequenceEqual(string file1, string file2) { const int BYTES_TO_READ = 1024 * 10; using (FileStream fs1 = File.Open(file1, FileMode.Open)) using (FileStream fs2 = File.Open(file2, FileMode.Open)) { byte[] one = new byte[BYTES_TO_READ]; byte[] two = new byte[BYTES_TO_READ]; while (true) { int len1 = fs1.Read(one, 0, BYTES_TO_READ); int len2 = fs2.Read(two, 0, BYTES_TO_READ); if (!one.SequenceEqual(two)) return false; if (len1 == 0 || len2 == 0) break; // 兩個(gè)文件都讀取到了末尾,退出while循環(huán) } } return true; }
結(jié)果:
Method: CompareBySequenceEqual, Identical: True. Elapsed: 00:00:08.2174360
竟然比前兩個(gè)都要慢(實(shí)際這也是所有方案中最慢的一個(gè)),LINQ的SequenceEqual看來(lái)不是為了效率而生.
那么我們不用那些花哨的功能,回歸質(zhì)樸,老實(shí)兒的使用while循環(huán)比較字節(jié)數(shù)組怎么樣呢?
/// <summary> /// 讀入到字節(jié)數(shù)組中比較(while循環(huán)比較字節(jié)數(shù)組) /// </summary> /// <param name="file1"></param> /// <param name="file2"></param> /// <returns></returns> private static bool CompareByByteArry(string file1, string file2) { const int BYTES_TO_READ = 1024 * 10; using (FileStream fs1 = File.Open(file1, FileMode.Open)) using (FileStream fs2 = File.Open(file2, FileMode.Open)) { byte[] one = new byte[BYTES_TO_READ]; byte[] two = new byte[BYTES_TO_READ]; while (true) { int len1 = fs1.Read(one, 0, BYTES_TO_READ); int len2 = fs2.Read(two, 0, BYTES_TO_READ); int index = 0; while (index < len1 && index < len2) { if (one[index] != two[index]) return false; index++; } if (len1 == 0 || len2 == 0) break; } } return true; }
結(jié)果是....
Method: CompareByByteArry, Identical: True. Elapsed: 00:00:01.5356821
1.53秒!大突破!看來(lái)有時(shí)候看起來(lái)笨拙的方法反而效果更好!
試驗(yàn)到此,比較兩個(gè)900多MB的文件耗時(shí)1.5秒左右,讀者對(duì)于該方法是否滿意呢?
No!我不滿意!我相信通過(guò)努力,一定會(huì)找到更快的方法的!
同樣.NET CORE也在為了編寫(xiě)高性能代碼而不斷的優(yōu)化中.
那么,我們?nèi)绾卫^續(xù)優(yōu)化我們的代碼呢?
我突然想到在C# 7.2中加入的一個(gè)新的值類(lèi)型: Span<T>,它用來(lái)代表一段連續(xù)的內(nèi)存區(qū)域,并提供一系列可操作該區(qū)域的方法.
對(duì)于我們的需求,因?yàn)槲覀儾粫?huì)更改數(shù)組的值,所以可以使用另外一個(gè)只讀的類(lèi)型ReadOnlySpan<T>追求更高的效率.
修改代碼,使用ReadOnlySpan<T>:
/// <summary> /// 讀入到字節(jié)數(shù)組中比較(ReadOnlySpan) /// </summary> /// <param name="file1"></param> /// <param name="file2"></param> /// <returns></returns> private static bool CompareByReadOnlySpan(string file1, string file2) { const int BYTES_TO_READ = 1024 * 10; using (FileStream fs1 = File.Open(file1, FileMode.Open)) using (FileStream fs2 = File.Open(file2, FileMode.Open)) { byte[] one = new byte[BYTES_TO_READ]; byte[] two = new byte[BYTES_TO_READ]; while (true) { int len1 = fs1.Read(one, 0, BYTES_TO_READ); int len2 = fs2.Read(two, 0, BYTES_TO_READ); // 字節(jié)數(shù)組可直接轉(zhuǎn)換為ReadOnlySpan if (!((ReadOnlySpan<byte>)one).SequenceEqual((ReadOnlySpan<byte>)two)) return false; if (len1 == 0 || len2 == 0) break; // 兩個(gè)文件都讀取到了末尾,退出while循環(huán) } } return true; }
核心是用來(lái)比較的SequenceEqual方法,該方法是ReadOnlySpan的一個(gè)擴(kuò)展方法,要注意它只是方法名與LINQ中一樣,實(shí)現(xiàn)完全不同.
那么該方法的表現(xiàn)如何呢?
Method: CompareByReadOnlySpan, Identical: True. Elapsed: 00:00:00.9287703
不 到 一 秒!
相對(duì)上一個(gè)已經(jīng)不錯(cuò)的結(jié)果,速度提高了差不多40%!
對(duì)此結(jié)果,我個(gè)人覺(jué)得已經(jīng)很滿意了,如果各位有更快的方法,請(qǐng)不吝賜教,我非常歡迎!
關(guān)于Span<T>結(jié)構(gòu)類(lèi)型,各位讀者如有興趣,可瀏覽該文章,該文有非常詳細(xì)的介紹.
后記
文中的代碼只是出于實(shí)驗(yàn)性質(zhì),實(shí)際應(yīng)用中仍可以繼續(xù)細(xì)節(jié)上的優(yōu)化, 如:
- 如兩個(gè)文件大小不同,直接返回false
- 如果兩個(gè)文件路徑相同,直接返回true
- ...
試驗(yàn)工程的Main方法源碼:
static void Main(string[] args) { string file1 = @"C:\Users\WAKU\Desktop\file1.ISO"; string file2 = @"C:\Users\WAKU\Desktop\file2.ISO"; var methods = new Func<string, string, bool>[] { CompareByMD5, CompareByToInt64, CompareByByteArry, CompareByReadOnlySpan }; foreach (var method in methods) { var sw = Stopwatch.StartNew(); bool identical = method(file1, file2); Console.WriteLine("Method: {0}, Identical: {1}. Elapsed: {2}", method.Method.Name, identical, sw.Elapsed); } }
總結(jié)
以上就是這篇文章的全部?jī)?nèi)容了,希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,謝謝大家對(duì)腳本之家的支持。
相關(guān)文章
ASP.NET實(shí)現(xiàn)MVC中獲取當(dāng)前URL、controller及action的方法
這篇文章主要介紹了ASP.NET實(shí)現(xiàn)MVC中獲取當(dāng)前URL、controller及action的方法,結(jié)合實(shí)例形式分析了asp.net mvc獲取當(dāng)前URL、controller及action的具體實(shí)現(xiàn)技巧,需要的朋友可以參考下2017-02-02.net?6項(xiàng)目實(shí)現(xiàn)壓縮發(fā)布
這篇文章介紹了.net?6項(xiàng)目實(shí)現(xiàn)壓縮發(fā)布的方式,對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-12-12數(shù)據(jù)庫(kù) 數(shù)據(jù)類(lèi)型float到C#類(lèi)型decimal, float數(shù)據(jù)類(lèi)型轉(zhuǎn)化無(wú)效
數(shù)據(jù)庫(kù) 數(shù)據(jù)類(lèi)型float到C#類(lèi)型decimal, float數(shù)據(jù)類(lèi)型轉(zhuǎn)化無(wú)效的解決方法2009-07-07ASP.NET將文件寫(xiě)到另一服務(wù)器(圖文教程)及注意事項(xiàng)
有時(shí)我們需要將來(lái)自于客戶端的文件上傳到WEB服務(wù)器端,并在服務(wù)端將文件存儲(chǔ)到第三方文件服務(wù)器中存儲(chǔ),既然有需求,那就有實(shí)現(xiàn)了,感興趣的你可以了解此文,或許對(duì)你學(xué)習(xí)asp.net 起到很好的作用哦2013-01-01ajax.net +jquery 無(wú)刷新三級(jí)聯(lián)動(dòng)的實(shí)例代碼
ajax.net +jquery 無(wú)刷新三級(jí)聯(lián)動(dòng)的實(shí)例代碼,需要的朋友可以參考一下2013-05-05