我有一个大文件（无法完全放入内存），其中包含各种大小的字符串。我想将这些字符串重写到另一个文件中，但每个字符串都大写。在 go 中实现这一目标的最快方法是什么？

这是我能想到的最有效的方法。关于如何使其更快的任何想法？

package main

import (
    "bufio"
    "log"
    "os"
    "strings"
)

func main() {
    inputFile, err := os.Open("input.txt")
    if err != nil {
        log.Fatal(err)
    }
    defer inputFile.Close()

    outputFile, err := os.Create("output.txt")
    if err != nil {
        log.Fatal(err)
    }
    defer outputFile.Close()

    scanner := bufio.NewScanner(inputFile)
    writer := bufio.NewWriter(outputFile)

    for scanner.Scan() {
        line := scanner.Text()
        capitalized := strings.ToUpper(line)
        _, err := writer.WriteString(capitalized + "n")
        if err != nil {
            log.Fatal(err)
        }
    }

    err = writer.Flush()
    if err != nil {
        log.Fatal(err)
    }
}

正确答案

一个起点是运行 go 测试包 基准测试。

对于基准数据，我使用 275,502 个单词（大部分为小写）、3,077,701 字节的 linux 字典文件：/usr/share/dict/brazilian。鉴于您对文件的模糊描述，这是我能做的最好的事情。为了避免基准磁盘 i/o，我对 io.reader 使用 bytes.reader，对 io.writer 使用 ioutil.discard。

代码的结果：

$ go test upper_so_test.go -run=! -benchmem -bench=.
benchmarkso-12   48  22765120 ns/op  8143216 b/op  550993 allocs/op

blunderific 代码的结果：

benchmarkb-12    94  13061407 ns/op  3782866 b/op  275505 allocs/op

作为概念验证 (poc)，我使用字典文件编写了使用最少 cpu 和内存的代码。到目前为止，我的 poc 代码的结果：

benchmarktu-12  182   6457334 ns/op     8240 b/op       3 allocs/op

将我的 poc 代码作为程序运行，使用 ssd 文件存储来读取和写入字典文件，需要几毫秒的时间：

$ time ./upper
real    0m0.031s
user    0m0.014s
sys     0m0.009s

即使没有文件的一小部分样本，也无法提出性能改进的具体建议。然而，使用字典文件，我的 poc 基准测试结果与您的基准测试结果（6,457,334 ns/op vs. 22,765,120、8,240 b/op vs. 8,143,216、3 allocs/op vs. 550,993）确实表明您对 cpu 的过度使用内存会损害性能。

upper_so_test.go：

package main

import (
    "bufio"
    "bytes"
    "io"
    "io/ioutil"
    "os"
    "strings"
    "testing"
)

func SOToUpper(r io.Reader, w io.Writer) error {
    scanner := bufio.NewScanner(r)
    writer := bufio.NewWriter(w)
    for scanner.Scan() {
        line := scanner.Text()
        capitalized := strings.ToUpper(line)
        _, err := writer.WriteString(capitalized + "n")
        if err != nil {
            return err
        }
    }
    err := writer.Flush()
    if err != nil {
        return err
    }
    return nil
}

var benchData = func () []byte {
    data, err := os.ReadFile(`/usr/share/dict/brazilian`)
    if err != nil {
        panic(err)
    }
    return data
}()

func BenchmarkSO(b *testing.B) {
    for i := 0; i < b.N; i++ {
        r := bytes.NewReader(benchData)
        w := ioutil.Discard
        err := SOToUpper(r, w)
        if err != nil {
            b.Error(err)
        }
    }
}