- 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
我需要编写一个程序来计算两个用户在同一组中的次数。用户由用户名和组由 id 给出。例如,输入(存储在文本文件中):
john 32
john 21
jim 21
jim 32
bob 32
我想要结果:
john-jim 2
john-bob 1
jim-bob 1
这听起来微不足道。但问题是:我有 180 万个组和 300,000 个用户。还有很多成员(member)资格(我预计每个用户平均至少有 50 个,可能更多)。这意味着大量的数据和处理。
我已经编写了 5 个不同的程序来执行此操作,但没有一个能够减少数据量:作为 PostgreSQL 查询,它太慢了。在 Java 工作内存中的 Map 中运行太耗内存(第一个堆空间,优化后我得到罕见的“超出 GC 开销限制”)。从 Java 连续写入数据库太慢(即使使用批查询进行优化)。越来越绝望,我尝试了一些更奇特的东西,比如将所有对写入一个数组,然后对它们进行排序 (O(n log (n))),然后对它们进行 peu à peu 计数。但是在内存中存储的数据仍然太多。
关于执行此操作的算法有什么想法吗?还是不可能?
最佳答案
RDBMS 专门用于排序等操作。在数据库之外执行此操作的性能几乎不会接近。用 SQL 来做!
这将完成工作(在更新中简化):
SELECT t1.usr || '-' || t2.usr, count(*) AS ct
FROM usr_grp t1
JOIN usr_grp t2 USING (grp_id)
WHERE t2.usr > t1.usr -- prevent dupes and get sorted pair
GROUP BY t1.usr, t2.usr;
正如您所说,这取决于您有多少重叠,这可能会产生大量行。所以这永远不会很快。
提出问题:生成数百万行无人能处理的目的是什么?您确定该操作从一开始就有意义吗?
为了让它更快,你可以..
We always recommend that all users run the latest available minor release for whatever major version is in use.
integer
作为用户的代理键,因此您只在 usr_grp
中处理整数。使表和索引更小,处理速度更快。如果 n:m 表 (usr_grp
) 的基数比表 usr
大得多,这应该更快,即使这意味着额外的连接。SELECT u1.usr || '-' || u2.usr, count(*) AS ct
FROM usr_grp t1
JOIN usr_grp t2 USING (grp_id)
JOIN usr u1 ON t1.usr_id = u1.usr_id
JOIN usr u2 ON t2.usr_id = u2.usr_id
WHERE t2.usr_id > t1.usr_id
GROUP BY u1.usr_id, u2.usr_id;
grp_id
必须在前。 Why does this matter? CREATE INDEX usr_grp_gu_idx ON usr_grp(grp_id, usr_id);
work_mem
的设置|和 shared_buffers
.我取了数字 @OldCurmudgeon reported用于他的测试用例,并在 PostgreSQL 中创建了一个可比较的测试用例。
~ 250 毫秒 在此公共(public)测试数据库中。
结果未排序(无 ORDER BY
),因为尚未指定。
与2.5 分钟 相比,reported below .因子 600。
关于java - 用大数据统计普通组成员的算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15830649/
滑动窗口限流 滑动窗口限流是一种常用的限流算法,通过维护一个固定大小的窗口,在单位时间内允许通过的请求次数不超过设定的阈值。具体来说,滑动窗口限流算法通常包括以下几个步骤: 初始化:设置窗口
表达式求值:一个只有+,-,*,/的表达式,没有括号 一种神奇的做法:使用数组存储数字和运算符,先把优先级别高的乘法和除法计算出来,再计算加法和减法 int GetVal(string s){
【算法】前缀和 题目 先来看一道题目:(前缀和模板题) 已知一个数组A[],现在想要求出其中一些数字的和。 输入格式: 先是整数N,M,表示一共有N个数字,有M组询问 接下来有N个数,表示A[1]..
1.前序遍历 根-左-右的顺序遍历,可以使用递归 void preOrder(Node *u){ if(u==NULL)return; printf("%d ",u->val);
先看题目 物品不能分隔,必须全部取走或者留下,因此称为01背包 (只有不取和取两种状态) 看第一个样例 我们需要把4个物品装入一个容量为10的背包 我们可以简化问题,从小到大入手分析 weightva
我最近在一次采访中遇到了这个问题: 给出以下矩阵: [[ R R R R R R], [ R B B B R R], [ B R R R B B], [ R B R R R R]] 找出是否有任
我正在尝试通过 C++ 算法从我的 outlook 帐户发送一封电子邮件,该帐户已经打开并记录,但真的不知道从哪里开始(对于 outlook-c++ 集成),谷歌也没有帮我这么多。任何提示将不胜感激。
我发现自己像这样编写了一个手工制作的 while 循环: std::list foo; // In my case, map, but list is simpler auto currentPoin
我有用于检测正方形的 opencv 代码。现在我想在检测正方形后,代码运行另一个命令。 代码如下: #include "cv.h" #include "cxcore.h" #include "high
我正在尝试模拟一个 matlab 函数“imfill”来填充二进制图像(1 和 0 的二维矩阵)。 我想在矩阵中指定一个起点,并像 imfill 的 4 连接版本那样进行洪水填充。 这是否已经存在于
我正在阅读 Robert Sedgewick 的《C++ 算法》。 Basic recurrences section it was mentioned as 这种循环出现在循环输入以消除一个项目的递
我正在思考如何在我的日历中生成代表任务的数据结构(仅供我个人使用)。我有来自 DBMS 的按日期排序的任务记录,如下所示: 买牛奶(18.1.2013) 任务日期 (2013-01-15) 任务标签(
输入一个未排序的整数数组A[1..n]只有 O(d) :(d int) 计算每个元素在单次迭代中出现在列表中的次数。 map 是balanced Binary Search Tree基于确保 O(nl
我遇到了一个问题,但我仍然不知道如何解决。我想出了如何用蛮力的方式来做到这一点,但是当有成千上万的元素时它就不起作用了。 Problem: Say you are given the followin
我有一个列表列表。 L1= [[...][...][.......].......]如果我在展平列表后获取所有元素并从中提取唯一值,那么我会得到一个列表 L2。我有另一个列表 L3,它是 L2 的某个
我们得到二维矩阵数组(假设长度为 i 和宽度为 j)和整数 k我们必须找到包含这个或更大总和的最小矩形的大小F.e k=7 4 1 1 1 1 1 4 4 Anwser是2,因为4+4=8 >= 7,
我实行 3 类倒制,每周换类。顺序为早类 (m)、晚类 (n) 和下午类 (a)。我固定的订单,即它永远不会改变,即使那个星期不工作也是如此。 我创建了一个函数来获取 ISO 周数。当我给它一个日期时
假设我们有一个输入,它是一个元素列表: {a, b, c, d, e, f} 还有不同的集合,可能包含这些元素的任意组合,也可能包含不在输入列表中的其他元素: A:{e,f} B:{d,f,a} C:
我有一个子集算法,可以找到给定集合的所有子集。原始集合的问题在于它是一个不断增长的集合,如果向其中添加元素,我需要再次重新计算它的子集。 有没有一种方法可以优化子集算法,该算法可以从最后一个计算点重新
我有一个包含 100 万个符号及其预期频率的表格。 我想通过为每个符号分配一个唯一(且前缀唯一)的可变长度位串来压缩这些符号的序列,然后将它们连接在一起以表示序列。 我想分配这些位串,以使编码序列的预
我是一名优秀的程序员,十分优秀!