遍历表方案

2017-07-06 21:30:13 +08:00
 itertools

一次请求需要从提交的数据中获取一个数组 A,然后,从数据库中遍历某张表的字段 B。最后通过一系列的计算(计算过程包含数组 A 和 B ),每条数据算出一个值,取最高的几个值返回给请求方?请问这样需求有什么好的实现方案,响应时间越短越好。 谢谢!

2557 次点击
所在节点    Python
10 条回复
Immortal
2017-07-06 21:55:02 +08:00
能看懂有鬼了- -
Hieast
2017-07-06 22:04:57 +08:00
楼主名字很好玩,itertools,再加个 nlargest、map, 应该可以解决楼主的问题了。
itertools
2017-07-06 22:22:46 +08:00
@Hieast nlargest 在我的实现中用到了,但是遍历表(如果有表中有上千万条数据),感觉响应时间很慢。
uxstone
2017-07-06 22:35:46 +08:00
找个合适的数据结构,先把表中的数据取出来,在代码中写具体的运算逻辑 ?
itertools
2017-07-06 22:47:30 +08:00
@uxstone 数据量太大。内存可能会爆。
Hieast
2017-07-06 23:25:15 +08:00
@itertools 流式计算?维护一个 n 个元素的最大堆,用 generator 取一定数量的 B,更新这个堆?

不过估计这种实现不会比你现在的速度快多少。
愿意折腾的话用 spark sql ?
cszeus
2017-07-07 03:33:00 +08:00
在 B 上面建索引,然后用多线程或者多进程,把 B 里面的东西分成多个部分取出来,分别算,再一起取最大?

本来上千万条的数据,不需要分表么?
lxml
2017-07-07 08:43:34 +08:00
虽然不太清楚具体 B 是什么数据,但一个思路吃把 B 按照跳表的方式弄个多层索引,尽快的优化找 B 的速度。
Miy4mori
2017-07-07 09:42:25 +08:00
我觉得直接用存储过程快吧,要是读到代码里再算估计 io 开销就够喝一壶了。
caniuse
2017-07-07 17:06:24 +08:00
感觉适合用 mapreduce 思想,把任务分割成小任务分配到其他机器上并行

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/373583

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX