对于仿真系统，哪种数据结构最合适？

Question

我正处于构建模拟的规划阶段，需要基于内存和速度考虑如何表示数据的想法。

在每个时间步，模拟过程创建 10^3 到 10^4 个新数据记录，并查看每个新的或现有的记录（其中有 10^6 到 10^8 个），然后将其删除或修改它。

每条记录有 3-10 个简单字段，每个字段要么是整数，要么是由几个 ASCII 字符组成的字符串。此外，每条记录还有 1-5 个其他字段，每个字段都是一个包含整数的可变长度列表。一条典型的记录重 100-500 字节。

修改或删除过程是这样工作的：对于这条记录，计算一个函数，其参数是这条记录的某些字段的值，以及另一条记录的这些字段的值。根据结果​​，进程准备以某种方式删除或修改其字段。

然后为彼此重复记录。然后移动到下一条记录并重复。当所有记录都处理完毕后，模拟就可以进入下一个时间步了。

在进入下一个时间步之前，应用所有准备好的删除和修改。

允许的记录越多，模拟效果就越好。如果所有记录都在 RAM 中，则缺点是模拟大小，可能优点是速度。模拟不需要是实时的，但显然我不希望它太慢。

为了表示内存中的每条记录，我知道以下选项：列表或字典（其中嵌套了一些列表）或类实例。为了存储所有记录并在另一天继续模拟，按我熟悉的顺序排列的选项是：一个 csv 文件，其中每一行都是一个记录，或者只是将所有记录放在 RAM 中，然后将它们放入一个文件中（也许使用pickle)，或者使用某种数据库。

我已经学习了 Python 基础知识以及生成器等一些概念，但还没有学习数据库，没有尝试过酸洗，显然需要学习更多。如果可能的话，我会避免使用多台计算机，因为我只有 1 台，并发因为看起来太吓人了。

您对如何在内存中表示记录以及如何存储模拟系统有何建议？

Answer 1

如果我们采用最坏的情况，即 10**8 条记录和每条记录 500 字节，这将是大量 RAM，因此值得设计一些灵活性并假设并非所有记录都将始终驻留在 RAM 中。您可以创建一个抽象类来隐藏记录所在位置的详细信息。

class Record(object):
    def __init__(self, x, y, z):
        pass # code goes here
    def get_record(id):
        pass # code goes here

您可以使用名称__index__() 而不是使用名称get_record()，然后您的类将像一个列表一样，但可能会输出到数据库，或引用RAM 缓存或其他任何东西。只需使用整数作为 ID 值。然后，如果您对持久性存储改变主意（从数据库切换到 pickle 或其他），实际代码不会改变。

您也可以尝试创建一个非常大的交换文件，并让虚拟内存系统处理进出实际 RAM 的混洗记录。这很容易尝试。它没有任何简单的方法来中断计算并保存状态。

您可以将每条记录表示为一个元组，甚至是一个命名元组。我相信元组在 Python 中的任何“容器”对象的开销都是最低的。 （命名元组只在一个地方存储一次名称，因此开销也很低。）