MyException - 我的异常网
当前位置:我的异常网» 搜索引擎 » 大数据量的比较,该如何处理

大数据量的比较,该如何处理

www.MyException.Cn  网友分享于:2013-12-18  浏览:0次
大数据量的比较
我有两个数据集,记录达10亿条,因为数据来自不同的文件或数据表,所以有一些差异。
我的任务是要找出这些差异的数据,并放到一个差异数据集中。
如A数据集(学号,姓名,科目,成绩)
B数据集(学号,姓名,科目,成绩)
差异:主要来自于成绩,如同一人,同一科目,成绩可能不同,当然,这里我们要
允许一定的误差,如成绩可以相差+-2分,都认为没有问题,不会输出到差异数据集中。
------解决方案--------------------
10亿的数据 你只有每次查询10W或者100W数据 这样效率更高些 查询出来一次的集合就
添加到 你的差异数据集中去 这样就实现了
------解决方案--------------------
成绩最好搞了,就是桶的原理,因为成绩就100种可能,你准备100个长度的数组(桶),桶里放链表。
链表里存放学号整数就行了。不需要差异,如果非要差异的话,你就准备50个长的数组。
------解决方案--------------------
引用:
10亿的数据 你只有每次查询10W或者100W数据 这样效率更高些 查询出来一次的集合就
添加到 你的差异数据集中去 这样就实现了


你的有问题,因为数据是乱序的,必须先排序
------解决方案--------------------
引用:
成绩最好搞了,就是桶的原理,因为成绩就100种可能,你准备100个长度的数组(桶),桶里放链表。
链表里存放学号整数就行了。不需要差异,如果非要差异的话,你就准备50个长的数组。


如果有差异,就准备50个长数组,是什么意思?
能说详细点吗?
谢谢
------解决方案--------------------
自已顶一下,请大家指点
------解决方案--------------------
upup, 见另外一个问题上的回复
------解决方案--------------------
A数据集,按成绩分成100份 a[100]
B数据集,按成绩分成100份。b[100]

从a[n] 中拿出一条数据 (学号  i ,学科 j) 去 b[n-1] b[n-1]  b[n] b[n+1] b[n+2] (+-2分的误差)  中查找,有没有(学号为i,学科为j)的数据,没有,则放到差异数据中去

------解决方案--------------------
应该是101 份。 还有零分的。
A数据集,按成绩分成101份 a[101]
B数据集,按成绩分成101份。b[101]

从a[n] 中拿出一条数据 (学号  i ,学科 j) 去 b[n-2] b[n-1]  b[n] b[n+1] b[n+2] (+-2分的误差)  中查找,有没有(学号为i,学科为j)的数据,没有,则放到差异数据中去

文章评论

总结2014中国互联网十大段子
总结2014中国互联网十大段子
老美怎么看待阿里赴美上市
老美怎么看待阿里赴美上市
程序员的一天:一寸光阴一寸金
程序员的一天:一寸光阴一寸金
做程序猿的老婆应该注意的一些事情
做程序猿的老婆应该注意的一些事情
如何区分一个程序员是“老手“还是“新手“?
如何区分一个程序员是“老手“还是“新手“?
程序员眼里IE浏览器是什么样的
程序员眼里IE浏览器是什么样的
程序员应该关注的一些事儿
程序员应该关注的一些事儿
要嫁就嫁程序猿—钱多话少死的早
要嫁就嫁程序猿—钱多话少死的早
科技史上最臭名昭著的13大罪犯
科技史上最臭名昭著的13大罪犯
旅行,写作,编程
旅行,写作,编程
程序员必看的十大电影
程序员必看的十大电影
老程序员的下场
老程序员的下场
一个程序员的时间管理
一个程序员的时间管理
程序猿的崛起——Growth Hacker
程序猿的崛起——Growth Hacker
Java 与 .NET 的平台发展之争
Java 与 .NET 的平台发展之争
当下全球最炙手可热的八位少年创业者
当下全球最炙手可热的八位少年创业者
十大编程算法助程序员走上高手之路
十大编程算法助程序员走上高手之路
聊聊HTTPS和SSL/TLS协议
聊聊HTTPS和SSL/TLS协议
Web开发人员为什么越来越懒了?
Web开发人员为什么越来越懒了?
程序员周末都喜欢做什么?
程序员周末都喜欢做什么?
如何成为一名黑客
如何成为一名黑客
每天工作4小时的程序员
每天工作4小时的程序员
编程语言是女人
编程语言是女人
鲜为人知的编程真相
鲜为人知的编程真相
10个调试和排错的小建议
10个调试和排错的小建议
我是如何打败拖延症的
我是如何打败拖延症的
 程序员的样子
程序员的样子
为啥Android手机总会越用越慢?
为啥Android手机总会越用越慢?
亲爱的项目经理,我恨你
亲爱的项目经理,我恨你
我跳槽是因为他们的显示器更大
我跳槽是因为他们的显示器更大
看13位CEO、创始人和高管如何提高工作效率
看13位CEO、创始人和高管如何提高工作效率
程序员的鄙视链
程序员的鄙视链
团队中“技术大拿”并非越多越好
团队中“技术大拿”并非越多越好
“懒”出效率是程序员的美德
“懒”出效率是程序员的美德
Web开发者需具备的8个好习惯
Web开发者需具备的8个好习惯
60个开发者不容错过的免费资源库
60个开发者不容错过的免费资源库
中美印日四国程序员比较
中美印日四国程序员比较
初级 vs 高级开发者 哪个性价比更高?
初级 vs 高级开发者 哪个性价比更高?
“肮脏的”IT工作排行榜
“肮脏的”IT工作排行榜
10个帮程序员减压放松的网站
10个帮程序员减压放松的网站
不懂技术不要对懂技术的人说这很容易实现
不懂技术不要对懂技术的人说这很容易实现
5款最佳正则表达式编辑调试器
5款最佳正则表达式编辑调试器
那些争议最大的编程观点
那些争议最大的编程观点
程序员都该阅读的书
程序员都该阅读的书
Java程序员必看电影
Java程序员必看电影
软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有