Python 了解numpy memmap的性能

我试图更好地理解numpy的memmap如何处理超大文件的视图。下面的脚本打开内存映射的2048^3数组，并复制该数组的下采样128^3视图

import numpy as np
from time import time

FILE = '/Volumes/BlackBox/test.dat'
array = np.memmap(FILE, mode='r', shape=(2048,2048,2048), dtype=np.float64)

t = time()
for i in range(5):
    view = np.array(array[::16, ::16, ::16])
t = ((time() - t) / 5) * 1000
print "Time (ms): %i" % t

通常，这会打印

时间（ms）：80左右。但是，如果我将视图指定更改为

view = np.array(array[1::16, 2::16, 3::16])

运行三次，我得到以下结果：

Time (ms): 9988
Time (ms): 79
Time (ms): 78

有人知道为什么第一次调用会慢得多吗？
操作系统仍将映射文件的部分（或全部）缓存在物理RAM中。初始读取必须访问磁盘，这比访问RAM慢得多。做足够多的其他磁盘IO，您会发现您将回到原来的时间，操作系统必须重新读取未从磁盘缓存的位…
请注意，在最快的维度中，1的移位将导致32MB的移位，这就足够了，你的读取来自一组不相交的页面。谢谢你的解释-我没有意识到操作系统可以像这样缓存结果