- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我有一些“小”文本文件,其中包含大约 500000 个条目/行。每行还有一个“键”列。我需要在一个大文件(8GB,至少 2.19 亿个条目)中找到这些 key 。找到后,我需要将大文件中的“值”附加到小文件中,在行的末尾作为新列。
大文件是这样的:
KEY VALUE
"WP_000000298.1" "abc"
"WP_000000304.1" "xyz"
"WP_000000307.1" "random"
"WP_000000307.1" "text"
"WP_000000308.1" "stuff"
"WP_000000400.1" "stuffy"
简单地说,我需要在大文件中查找'key'。
显然我需要将整个表加载到 RAM 中(但这不是问题,因为我有 32GB 可用空间)。大文件似乎已经排序。我必须检查一下。
问题是我无法使用 TDictionary 之类的东西进行快速查找,因为如您所见,键不是唯一的。
注意:这可能是一次性计算。我将使用该程序一次,然后将其丢弃。因此,它不一定是最佳算法(难以实现)。它只需要在合适的时间内完成(比如 1-2 天)。 PS:我更喜欢在没有数据库的情况下这样做。
我在考虑这个可能的解决方案:TList.BinarySearch .但似乎 TList 仅限于 134,217,727 (MaxInt div 16) 个项目。所以 TList 不会工作。
结论:
我选择 Arnaud Bouchez 解决方案。他的 TDynArray 令人印象深刻!如果您需要处理大文件,我完全推荐它。
AlekseyKharlanov 提供了另一个不错的解决方案,但 TDynArray 已经实现。
最佳答案
与其重新发明二进制搜索或 B 树的轮子,不如尝试使用现有的实现。
将内容输入 SQLite3 内存数据库(使用适当的索引,并且每 10,000 次 INSERT 执行一次事务),您就完成了。确保你的目标是 Win64,以便在 RAM 中有足够的空间。您甚至可以使用基于文件的存储:创建速度有点慢,但有了索引,Key 查询将是即时的。如果您的 Delphi 版本不支持 SQlite3(通过最新的 FireDAC),您可以使用我们的 OpenSource unit及其 associated documentation .
与常规的客户端-服务器 SQL 数据库相比,使用 SQlite3 无疑会更快,并且使用的资源更少 - 顺便说一句,MS SQL 的“免费”版本无法处理您需要的那么多数据,AFAIR。
更新:我写了一些示例代码来说明如何使用 SQLite3 和我们的 ORM 层来解决您的问题 - 请参阅 this source code file in github .
以下是一些基准信息:
with index defined before insertion:
INSERT 1000000 rows in 6.71s
SELECT 1000000 rows per Key index in 1.15s
with index created after insertion:
INSERT 1000000 rows in 2.91s
CREATE INDEX 1000000 in 1.28s
SELECT 1000000 rows per Key index in 1.15s
without the index:
INSERT 1000000 rows in 2.94s
SELECT 1000000 rows per Key index in 129.27s
因此对于庞大的数据集,索引是值得的,并且在数据插入之后创建索引可以减少使用的资源!即使插入速度较慢,按键选择时索引的增益也是巨大的。您可能会尝试使用 MS SQL 或使用其他 ORM 来做同样的事情,我想您会哭的。 ;)
关于algorithm - 在 8GB 以上的文本文件中查找 "key",我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39685770/
我在 GlassFish (J2EE_1.4) 上的 NetBeans 中开发企业项目。我的项目中有一些实体 bean、一些 session bean 和消息驱动 bean。我以如下方式使用 serv
什么在速度方面更好...... 我正在尝试确定用户是否已将某个 URL 添加到他们的快捷方式列表中。如果他们添加了 URL,页面上就会有一个链接,用于从快捷方式中删除该页面,否则他们可以将其添加到快捷
我的问题如下: 我打开一个Excel-File,但我不知道我的客户在模板文件中使用了哪些可能的标头变量。它们可以是:#DATE,#TIME,#NAME等。因此,我需要查找这些变量,以及是否已使用过:替
我有一堆以“-e”结尾的文件要删除。 $ find . -name "*-e" exec rm {} \; find: exec: unknown primary or operator 正则表达式是
我有一个简单的问题:是否可以在 TypeScript 中获取联合的一部分的类型? 例如,您可以经常使用如下查找类型: interface Person { name: string; } type
我正在尝试设置 Point Cloud Library启用 CUDA 选项的主干构建。 我相信我已经按照 these instructions 正确安装了 CUDA . 在 PCL 构建的 cmake
我将首先说我所知道的唯一 VBA 是操作录制的宏的反复试验。我是一名注册会计师,试图以艰难的方式学习 VBA(并希望我去学校学习计算机编程!)。 我有带有多个工作表的大型工作簿。 G 列中以黄色突出显
当文件数达到阈值时,我试图删除目录中最旧的文件。 list_of_files = os.listdir('log') if len([name for name in list_of_files
我有一个数组,它有一些重复的值。 我必须计算每个重复项的数量及其索引。 打印如: Index of b: 1 Index of b: 4 Index of c: 2 Index of c: 3 Ind
我已经搜索了我的问题的解决方案,但没有成功。热键 ctrl+F 找到的 eclipse 查找/替换功能不起作用。注意:通过 Eclipse 菜单 Edit>Find Replace(不工作我的意思是
我想检查 div 是否包含类为“error”的子级,但条件是错误类显示不等于无。 (意味着错误类必须可见。 如何更改我的以下代码: $(".related_field").each(function
这个问题已经有答案了: 已关闭13 年前。 Possible Duplicate: Can jQuery provide the tag name? 嗨! 这个问题太基础了,我不好意思问,但我尝试了
我一直听说这是 cygwin 的路径问题。它阻止了 emacs 在我的 cygwin 中工作。当我在 cli(不是 bash/cygwin)上执行 find 时,无论我输入什么,我都会得到同样的错误。
我正在使用此变量来获取一个或多个与我需要的值相匹配的值。 var mail = $("#dat").contents().find("td:contains('" + name + "')" ).si
请原谅这个长问题。我只是不确定解决这个问题的最佳方法是什么。 我有一个电子表格(Google 表格),其中包含用户和地址列表,我需要从中创建邮寄标签。该电子表格是从我们的学生信息系统导出的。这些地址应
我正在 Excel VBA 中创建一个公式,以解析单元格中以逗号分隔的“部分”列表。在另一个工作表中查找具有该零件名称的单元格,然后使用找到的该单元格的地址来获取同一行不同列的零件成本。我为此工作了数
我被要求在网络应用程序上实现一些电子邮件地址验证 - 我确信我们都已经经历过一千次了...但是,这一次我被要求在域上进行 MX 查找查看它是否接受电子邮件。 有人知道这样做有任何潜在的问题吗? mx
我有一个切换按钮,可读取.wave文件,并且字符串更改为暂停,然后..... 我的问题是,当用户播放声音时,按钮字符串更改为暂停,结束声音后,该字符串仍为暂停状态,我想将其更改为播放。但是我不知道如何
对于令人困惑的标题提前表示歉意。我的问题如下,我在大约 600 个文件中有以下文本: $_REQUEST['FOO'] 我想将其替换为以下内容: $this->input->post('FOO') 为
我正在使用 Ansible 的查找功能查找 INI 文件中的值。这是文档中的示例: - debug: msg="User in integration is {{ lookup('ini', 'use
我是一名优秀的程序员,十分优秀!