- 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
我的问题简要说明:如果先验不知道任何键包含的值的数量,并且不能保存所有键(或它们的值的计数)同时存在于 RAM 中?
我的上下文问题:我有多个包含键/值对的文件,其中键是散列,值是出现给定散列的对象 ID 列表。相同的 key 在每个文件中出现零次或一次,并且给定的 key 经常出现在许多文件中。
我正在将这些文件读取到在计算集群中运行的多个工作程序中。每个 worker 都被分配了一个 key 子集。对于分配给工作人员的每个键,工作人员会累积出现在前面提到的任何键/值文件中的键的所有值。然后每个工作人员读取所有前面提到的文件,找到每个键的所有值,并将单个输出文件写入磁盘。
我面临的问题是,工作人员在分配给他们的键中累积的值数量大相径庭,因此他们的 RAM 要求非常不同(从低端的 33GB 到高端的 139GB)。现在,为了将 key 分配给 worker ,我对每个 key 进行了 sha1 哈希,如果 sha1(key) % total_number_of_workers == worker_id
(其中 worker ID 是给定 worker 在所有 worker 中的索引位置)然后为工作人员分配给定的 key 。
有没有一种方法可以将 key 分配给工作人员,以帮助确保在节点之间更公平地分配 RAM 需求?其他人可以就此问题提供的任何建议将不胜感激!
如果其他人可能感兴趣,我将 Jim Mischel 在 Python 中描述的 k 向合并的简单实现放在一起 [ gist ].此实现不需要将所有文本文件同时保存在内存中,这对于大型数据集来说可能是不可能的。
最佳答案
这是一个简单的k-way merge .假设您有三个文件:
File 1 File 2 File 3
A=3 B=7 C=22
X=9 B=4 D=19
Q=33 Z=26 A=2
X=47 X=12 D=13
现在,您对这些文件进行排序:
Sorted1 Sorted2 Sorted3
A=3 B=7 A=2
Q=33 B=4 C=22
X=9 X=12 D=19
X=47 Z=26 D=13
您可以执行合并步骤并以单个文件结束:
A=3
A=2
B=7
B=4
C=22
D=19
D=13
Q=33
X=9
X=47
X=12
Z=26
然后扫描该文件,累积和写入值。
但是您可以一步完成合并和累加。毕竟,当您进行合并时,您是以排序的键顺序输出内容,因此您所要做的就是在输出步骤之前插入累积代码。
单个进程启动并创建一个优先级队列,其中包含每个文件的第一项。所以优先级队列将包含[A=3, B=7, A=2]
。该程序从优先级队列中取出最小的键 A=3,并用第一个排序文件中的下一项刷新队列。队列现在包含 [Q=33,B=7,A=2]
。
程序创建一个新数组,键为 A,包含值 [3]
。然后它再次进入队列并读取最小值:A=2。它发现 key 等于它正在处理的 key ,因此它将数组更新为 [3,2]
。队列从排序后的文件中刷新,因此现在它包含 [Q=33,B=7,C=22]
。
程序再次从队列中获取最小的键值。这次是B,B不等于A,所以程序输出A,[3,2]
,将当前key替换为B,将累加数组替换为[7]
。
这一直持续到没有更多项目要合并为止。
处理重新填充优先级队列的代码有点繁琐,但并不难。
另一种方法是使用操作系统的排序实用程序对文件进行排序和合并,然后编写一个简单的循环,线性遍历单个排序文件以累积值。
关于algorithm - 在不访问键值计数的情况下将键值对分成相等的列表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50614732/
我在一本书(Interview Question)中读到这个问题,想在这里详细讨论这个问题。请点亮它。 问题如下:- 隐私和匿名化 马萨诸塞州集团保险委员会早在 1990 年代中期就有一个绝妙的主意
我最近接受了一次面试,面试官给了我一些伪代码并提出了相关问题。不幸的是,由于准备不足,我无法回答他的问题。由于时间关系,我无法向他请教该问题的解决方案。如果有人可以指导我并帮助我理解问题,以便我可以改
这是我的代码 public int getDist(Node root, int value) { if (root == null && value !=0) return
就效率而言,Strassen 算法应该停止递归并应用乘法的最佳交叉点是多少? 我知道这与具体的实现和硬件密切相关,但对于一般情况应该有某种指南或某人的一些实验结果。 在网上搜索了一下,问了一些他们认为
我想学习一些关于分布式算法的知识,所以我正在寻找任何书籍推荐。我对理论书籍更感兴趣,因为实现只是个人喜好问题(我可能会使用 erlang(或 c#))。但另一方面,我不想对算法进行原始的数学分析。只是
我想知道你们中有多少人实现了计算机科学的“ classical algorithms ”,例如 Dijkstra's algorithm或现实世界中的数据结构(例如二叉搜索树),而不是学术项目? 当有
我正在解决旧编程竞赛中的一些示例问题。在这个问题中,我们得到了我们有多少调酒师以及他们知道哪些食谱的信息。制作每杯鸡尾酒需要 1 分钟,我们需要使用所有调酒师计算是否可以在 5 分钟内完成订单。 解决
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 8 年前。 Improve
我开始学习 Nodejs,但我被困在中间的某个地方。我从 npm 安装了一个新库,它是 express -jwt ,它在运行后显示某种错误。附上代码和错误日志,请帮助我! const jwt = re
我有一个证书,其中签名算法显示“sha256rsa”,但指纹算法显示“sha1”。我的证书 SHA1/SHA2 的标识是什么? 谢谢! 最佳答案 TL;TR:签名和指纹是完全不同的东西。对于证书的强度
我目前在我的大学学习数据结构类(class),并且在之前的类(class)中做过一些算法分析,但这是我在之前的类(class)中遇到的最困难的部分。我们现在将在我的数据结构类(class)中学习算法分
有一个由 N 个 1x1 方格组成的区域,并且该区域的所有部分都是相连的(没有任何方格无法到达的方格)。 下面是一些面积的例子。 我想在这个区域中选择一些方块,并且两个相邻的方块不能一起选择(对角接触
我有一些多边形形状的点列表,我想将其包含在我页面上的 Google map 中。 我已经从原始数据中删除了尽可能多的不必要的多边形,现在我剩下大约 12 个,但它们非常详细以至于导致了问题。现在我的文
我目前正在实现 Marching Squares用于计算等高线曲线,我对此处提到的位移位的使用有疑问 Compose the 4 bits at the corners of the cell to
我正在尝试针对给定算法的约束满足问题实现此递归回溯函数: function BACKTRACKING-SEARCH(csp) returns solution/failure return R
是否有包含反函数的库? 作为项目的一部分,我目前正在研究测向算法。我正在使用巴特利特相关性。在 Bartlett 相关性中,我需要将已经是 3 次矩阵乘法(包括 Hermitian 转置)的分子除以作
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎与 help center 中定义的范围内的编程无关。 . 关闭 8 年前。 Improve
问题的链接是UVA - 1394 : And There Was One . 朴素的算法是扫描整个数组并在每次迭代中标记第 k 个元素并在最后停止:这需要 O(n^2) 时间。 我搜索了一种替代算法并
COM 中创建 GUID 的函数 (CoCreateGUID) 使用“分散唯一性算法”,但我的问题是,它是什么? 谁能解释一下? 最佳答案 一种生成 ID 的方法,该 ID 具有一定的唯一性保证,而不
在做一个项目时我遇到了这个问题,我将在这个问题的实际领域之外重新措辞(我想我可以谈论烟花的口径和形状,但这会使理解更加复杂).我正在寻找一种(可能是近似的)算法来解决它。 我有 n 个不同大小的容器,
我是一名优秀的程序员,十分优秀!