为了确定您是否获得了足够的性能，请检查缓冲区/页面缓存可用的内存（free在Linux中），I / O统计信息- 读取次数，读取大小和持续时间（iostat与硬件规格进行比较；以及您的进程的cpu利用率。
[edit]假设您从本地连接的SSD读取（高速缓存中没有所需的数据）：
[/编辑]
第一个示例仅访问3 * 100KB的文件数据，因此，由于您拥有的缓存数量远远超过了缓存的可用容量，所有300KB的内容很快就会进入缓存，因此您将看不到I / O，并且您的python进程将受cpu限制。
我有99.99％的把握，如果您测试从每个文件的最后100KB读取数据，它的性能将与第一个示例一样好-这与数据的位置无关，而与访问的数据大小有关。
第二个示例访问9GB中的随机部分，因此，仅当您有足够的可用RAM来缓存所有9GB内存时，并且仅在将文件预加载到缓存中之后，才能使测试用例以零I运行，您可以希望看到类似的性能。 / O。
在实际情况下，文件不会完全位于缓存中-因此您会看到许多I / O请求以及python的cpu利用率低得多。由于I / O比缓存访问要慢得多，因此您应该期望本示例的运行速度较慢。
602392714
清零编程群