Cython内存分配

Question

我有一个很大的数据集，我正在将其读入易失性存储器以在其上运行FFT。目前，我正在通过内存映射一组~2GB文件并读取将它们复制到numpy阵列来实现这一点

    #Memory mapping
    comf              =   np.memmap(file_name,  dtype = dt, mode = 'c')
    comf1             =   np.memmap(file_name1, dtype = dt, mode = 'c')

    #Defining Numpy array
    cdef np.ndarray tempcomf            =   np.zeros((templen, 1024), dtype = np.int8)
    cdef np.ndarray tempcomf1           =   np.zeros((templen1, 1024), dtype = np.int8)

    #Copying as numpy array
    tempcomf          =   np.memmap.copy(comf['data'][0:])
    tempcomf1         =   np.memmap.copy(comf1['data'][0:])

这是在Cython中完成的，读取的数据集随后被传递到Fortran函数以执行FFT。尽管此功能会在一段时间内淹没易失性内存，但内存访问速度相当快。但最大的瓶颈是将memmaped数据复制到numpy数组，在这方面我有以下问题：

1. 是否可以提高将memmaped数组复制到numpy数组的效率
2. 在某些情况下，除了已经读取的2GB文件集之外，我还需要一些更大的数据块，但由于易失性内存使用量已经很大，因此会导致交换。Cython中有更好的内存分配方法吗

在此方面的任何帮助都将不胜感激