记一次数据性能优化

最近使用同事写的代码，功能是对特定格式的数据进行解析，最终得到一些元信息和浮点数数组，最后对数据进行应用。

使用过程中发现，在数据很小的情况下，性能正常，在几十毫秒即可解析完成。但当数据很大时，数组长度100多万，解析则很慢，1个数据需6-7秒，而这要在客户端上应用，是不可接受的，并且，数据是好几十个的。

经查，性能卡在字节数组到浮点数组的转换上。原代码是每4个字节转换为浮点数，再存入数组。如此逐一转换后，在数据小的性况下没问题，当数据大时，问题就出现了。

如果可以一次性完成，则性能问题应该可以解决。c# 中有个BlockCopy，可以对数组进行一整块的转换：

float[] destDataArr = new float[sourceBytesArr.Length];
Buffer.BlockCopy(sourceByteArrs, 0, destDataArr, 0, sourceByteArr.Length);

以上字节数组sourceBytesArr 为小端(little endian)顺序；若为大端(big endian)，则需要先反转下数组的顺序，Array.Reverse(sourceBytesArr)，然后，对得到的结果destDataArr再反转一次即可，即 Array.Reverse(destDataArr)。

最后测试，数组长度为100多万时，也只需30-40毫秒即可完成，性能提升10多倍。对于小点的数据，则是几毫秒级别的。