在 C# 中将大文件读入字节数组的最佳方法？

Question

我有一个网络服务器，它将大型二进制文件（几兆字节）读入字节数组。服务器可能同时读取多个文件（不同的页面请求），因此我正在寻找最优化的方法来执行此操作，而不会过多地占用 CPU。下面的代码够好吗？

public byte[] FileToByteArray(string fileName)
{
    byte[] buff = null;
    FileStream fs = new FileStream(fileName, 
                                   FileMode.Open, 
                                   FileAccess.Read);
    BinaryReader br = new BinaryReader(fs);
    long numBytes = new FileInfo(fileName).Length;
    buff = br.ReadBytes((int) numBytes);
    return buff;
}

Answer 1

只需将整个内容替换为：

return File.ReadAllBytes(fileName);

但是，如果您担心内存消耗，您应该不一次将整个文件全部读入内存。你应该分块做。

Answer 2

我会这样想：

byte[] file = System.IO.File.ReadAllBytes(fileName);

Answer 3

您的代码可以考虑到这一点（代替 File.ReadAllBytes）：

public byte[] ReadAllBytes(string fileName)
{
    byte[] buffer = null;
    using (FileStream fs = new FileStream(fileName, FileMode.Open, FileAccess.Read))
    {
        buffer = new byte[fs.Length];
        fs.Read(buffer, 0, (int)fs.Length);
    }
    return buffer;
} 

注意 Integer.MaxValue - Read 方法设置的文件大小限制。换句话说，你一次只能读取一个 2GB 的块。

还要注意 FileStream 的最后一个参数是缓冲区大小。

我还建议阅读FileStream 和BufferedStream。

一如既往，一个简单的示例程序来分析最快将是最有益的。

您的底层硬件也会对性能产生很大影响。您是否正在使用带有大缓存的基于服务器的硬盘驱动器和带有板载内存缓存的 RAID 卡？或者您使用的是连接到 IDE 端口的标准驱动器？

Answer 4

使用 C# 中的 BufferedStream 类来提高性能。缓冲区是内存中用于缓存数据的字节块，从而减少了对操作系统的调用次数。缓冲区提高了读写性能。

有关代码示例和其他说明，请参见以下内容： http://msdn.microsoft.com/en-us/library/system.io.bufferedstream.aspx

Answer 5

我可能会争辩说这里的答案一般是“不要”。除非您绝对需要一次获取所有数据，否则请考虑使用基于 Stream 的 API（或阅读器/迭代器的某些变体）。当您有多个并行操作（如问题所建议的那样）以最小化系统负载并最大化吞吐量时，这一点尤其重要。

例如，如果您将数据流式传输给调用者：

Stream dest = ...
using(Stream source = File.OpenRead(path)) {
    byte[] buffer = new byte[2048];
    int bytesRead;
    while((bytesRead = source.Read(buffer, 0, buffer.Length)) > 0) {
        dest.Write(buffer, 0, bytesRead);
    }
}

Answer 6

根据操作频率、文件大小以及您正在查看的文件数量，还有其他性能问题需要考虑。要记住的一件事是，您的每个字节数组都将在垃圾收集器的支配下释放。如果您没有缓存任何这些数据，您最终可能会产生大量垃圾并将大部分性能损失给% Time in GC。如果块大于 85K，您将分配到大对象堆（LOH），这将需要所有代的集合来释放（这是非常昂贵的，并且在服务器上将停止所有执行，同时它正在进行)。此外，如果 LOH 上有大量对象，最终可能会出现 LOH 碎片（LOH 永远不会压缩），这会导致性能不佳和内存不足异常。达到某个点后，您可以循环使用该过程，但我不知道这是否是最佳做法。

关键是，您应该考虑应用程序的整个生命周期，然后才必须以最快的方式将所有字节读入内存，否则您可能会以短期性能换取整体性能。

Answer 7

我建议尝试使用Response.TransferFile() 方法，然后使用Response.Flush() 和Response.End() 来提供大文件。

Answer 8

如果您正在处理超过 2 GB 的文件，您会发现上述方法都失败了。

将流传递给MD5 并允许它为您分块文件要容易得多：

private byte[] computeFileHash(string filename)
{
    MD5 md5 = MD5.Create();
    using (FileStream fs = new FileStream(filename, FileMode.Open))
    {
        byte[] hash = md5.ComputeHash(fs);
        return hash;
    }
}

Answer 9

我想说BinaryReader 很好，但可以重构为这个，而不是所有那些用于获取缓冲区长度的代码行：

public byte[] FileToByteArray(string fileName)
{
    byte[] fileData = null;

    using (FileStream fs = File.OpenRead(fileName)) 
    { 
        using (BinaryReader binaryReader = new BinaryReader(fs))
        {
            fileData = binaryReader.ReadBytes((int)fs.Length); 
        }
    }
    return fileData;
}

应该比使用.ReadAllBytes() 更好，因为我在顶部响应的 cmets 中看到包括 .ReadAllBytes() 的评论者之一对大于 600 MB 的文件有问题，因为 BinaryReader 是针对这种类型的的事情。此外，将其放入 using 语句可确保 FileStream 和 BinaryReader 被关闭和处置。

Answer 10

使用这个：

 bytesRead = responseStream.ReadAsync(buffer, 0, Length).Result;

Answer 11

如果“大文件”意味着超出 4GB 限制，那么我下面的编写代码逻辑是合适的。需要注意的关键问题是与 SEEK 方法一起使用的 LONG 数据类型。因为 LONG 能够指向超过 2^32 个数据边界。 在此示例中，代码首先以 1GB 的块处理大文件，在处理完整个 1GB 的大块之后，处理剩余的 (https://crc32c.machinezoo.com/进行crc32c计算）

private uint Crc32CAlgorithmBigCrc(string fileName)
{
    uint hash = 0;
    byte[] buffer = null;
    FileInfo fileInfo = new FileInfo(fileName);
    long fileLength = fileInfo.Length;
    int blockSize = 1024000000;
    decimal div = fileLength / blockSize;
    int blocks = (int)Math.Floor(div);
    int restBytes = (int)(fileLength - (blocks * blockSize));
    long offsetFile = 0;
    uint interHash = 0;
    Crc32CAlgorithm Crc32CAlgorithm = new Crc32CAlgorithm();
    bool firstBlock = true;
    using (FileStream fs = new FileStream(fileName, FileMode.Open, FileAccess.Read))
    {
        buffer = new byte[blockSize];
        using (BinaryReader br = new BinaryReader(fs))
        {
            while (blocks > 0)
            {
                blocks -= 1;
                fs.Seek(offsetFile, SeekOrigin.Begin);
                buffer = br.ReadBytes(blockSize);
                if (firstBlock)
                {
                    firstBlock = false;
                    interHash = Crc32CAlgorithm.Compute(buffer);
                    hash = interHash;
                }
                else
                {
                    hash = Crc32CAlgorithm.Append(interHash, buffer);
                }
                offsetFile += blockSize;
            }
            if (restBytes > 0)
            {
                Array.Resize(ref buffer, restBytes);
                fs.Seek(offsetFile, SeekOrigin.Begin);
                buffer = br.ReadBytes(restBytes);
                hash = Crc32CAlgorithm.Append(interHash, buffer);
            }
            buffer = null;
        }
    }
    //MessageBox.Show(hash.ToString());
    //MessageBox.Show(hash.ToString("X"));
    return hash;
}

Answer 12

概述：如果您的图像作为 action= 嵌入资源添加，则使用 GetExecutingAssembly 将 jpg 资源检索到流中，然后将流中的二进制数据读取到字节数组中

   public byte[] GetAImage()
    {
        byte[] bytes=null;
        var assembly = Assembly.GetExecutingAssembly();
        var resourceName = "MYWebApi.Images.X_my_image.jpg";

        using (Stream stream = assembly.GetManifestResourceStream(resourceName))
        {
            bytes = new byte[stream.Length];
            stream.Read(bytes, 0, (int)stream.Length);
        }
        return bytes;

    }