Hashlib в Windows и Linux

Я пишу p2p-приложение на Python и использую модуль hashlib для идентификации файлов с одинаковым содержимым, но разными именами в сети.

Дело в том, что я тестировал код, который делает хэш для файлов в Windows (Vista), с Python 2.7, и он очень быстрый (менее секунды, для пары гигабайт). Итак, в Linux (Fedora 12, с Python 2.6.2 и Python 2.7.1, скомпилированными мной, т.к. я не нашел rpm с yum) это происходит намного медленнее, почти минуту для файлов меньше 1gb.

Вопрос в том, Почему? и Могу ли я сделать что-то для повышения производительности в Linux?

Код для хэша

import hashlib
...

def crear_lista(directorio):

   lista = open(archivo, "w")

   for (root, dirs, files) in os.walk(directorio):
      for f in files:
         #archivo para hacerle el hash
         h = open(os.path.join(root, f), "r")

         #calcular el hash de los archivos
         md5 = hashlib.md5()

         while True:
            trozo = h.read(md5.block_size)
            if not trozo: break
            md5.update(trozo)

         #cada linea es el nombre de archivo y su hash
         size = str(os.path.getsize(os.path.join(root, f)) / 1024)
         digest = md5.hexdigest()

         #primera linea: nombre del archivo
         #segunda: tamaño en KBs
         #tercera: hash
         lines = f + "\n" + size + "\n" + digest + "\n"
         lista.write(lines)

         del md5
         h.close()

   lista.close()

Я заменил r на rb и rU, но результат тот же.


python windows linux performance hashlib
person Nahu    schedule 11.12.2010    source источник

Ответы (1)


arrow_upward
3
arrow_downward

Вы читаете файл блоками по 64 байта (hashlib.md5().block_size) и хэшируете их.

Вы должны использовать гораздо большее значение чтения в диапазоне от 256 КБ (262144 байта) до 4 МБ (4194304 байта), а затем хешировать его; эта программа digup читает блоки по 1 МБ, т.е.:

block_size = 1048576 # 1MB
while True:
    trozo = h.read(block_size)
    if not trozo: break
    md5.update(trozo)
person Dan D.    schedule 11.12.2010