Python 内部记录器效率低？

我最近“被迫”使用无梯度优化器（包括pyoptsparse中的优化器）

以前，迭代次数非常少，所以记录数据从来都不是什么大问题，我选择了内部记录器

但是对于一个优化问题，如果迭代次数超过30000次，那么从案例记录器读取in数据就变得非常麻烦

如果我在每次迭代中使用一个代码简单地附加到一个txt文件中，那么读入和打印就会快得多。我想问一下我是否犯了错误，或者使用“附加二进制txt文件”是否真的更好

步骤如下：

1 des var、1约束、1目标~60000次迭代的优化问题sql文件大小~30 MB

cr = CaseReader(fname)
case_keys = cr.driver_cases.list_cases()
ab=[cr.driver_cases.get_case(case_key).get_objectives()['a.obj'][0] for case_key in case_keys ]

花费的时间：10分钟后我停止了阅读

f=open('out.dat','ab')
np.savetxt(f,[desvar,constraint,objec])
f.close() np.loadtxt( 'out.dat')

花费的时间：几秒钟内……

通过提交，我们能够使案例阅读器在您描述的案例中更加高效。系统、驱动程序和解算器迭代表中的

iteration\u坐标

列现在已编制索引，这将大大减少通过大型数据库的

get\u case

方法获取案例所需的时间。我们还向CaseReader添加了一个

load_cases

方法，该方法通过最少的查询将所有案例加载到内存中，进一步提高了

get_case

方法的效率

获取OpenMDAO的最新版本并更新您的代码以使用

load\u cases

应该会有很大帮助

    cr = CaseReader(fname)
    cr.load_cases()
    case_keys = cr.driver_cases.list_cases()
    ab=[cr.driver_cases.get_case(case_key).get_objectives()['a.obj'][0] for case_key in case_keys ]

您可以在这里的将数据库加载到内存中部分找到相关文档：