- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想运行一个机器学习算法作为我的残局研究代码,该代码迄今为止未经证实且未发布用于文本挖掘目的。文本已经获得,但从 Common Crawl 获得的 warc 格式中被删除。我正在为机器学习目的准备数据,其中一项理想的分析任务是在启动到 ML 应用程序之前对语料库进行 IDF 逆文档频率分析。
据我了解,要让 IDF 发挥作用,每个文件都应该代表一位演讲者或一个想法 - 通常是一段不比推文长多少的 ascii 文本。挑战在于我已经抓取了大约 1500 万个文件。我在 Windows 7 上使用 Strawberry Perl 来读取每个文件并拆分文档中包含的标签,以便来自相关社交媒体的每个评论都落入数组的一个元素中(并且在更强类型的语言中将是字符串类型)。
从这里开始,我遇到了性能问题。我让我的脚本运行了一整天,它只在 24 小时内完成了 400,000 个输入文件。从这些输入文件中,它产生了大约 200 万个输出文件,代表每个发言者一个文件,使用 Perl 的 HTML::Strip 模块进行 html 剥离文本。当我查看我的系统时,我发现我的本地数据驱动器上的磁盘利用率非常高 - 有大量的 ASCII 文本写入,远小于 1 KB,每个都被塞进我本地数据驱动器的一个 1 KB 扇区中NTFS 格式的硬盘。
是否值得尝试停止运行,在我的家庭系统上设置一个 MySQL 数据库,在数据库中设置一个最大长度可能为 500-1000 个字符的文本字段,然后重新运行 perl 脚本,这样它slurps 一个输入的 html 文件,拆分它,HTML 剥离它,然后准备并执行一个字符串插入 vs 一个数据库表?
一般来说,从大量单个文本文件的文件输出格式切换到大量数据库插入的格式在我的硬盘驱动器上更容易/从长远来看写得更快,因为DBMS 中的某些缓存或 RAM/磁盘空间利用魔法?
最佳答案
文件系统可以解释为分层键值存储,它经常被 Unix-ish 程序使用。但是,创建文件可能会有些昂贵,这还取决于您使用的操作系统和文件系统。特别是,不同的文件系统在访问时间如何随一个目录中的文件数量变化方面存在显着差异。例如。见NTFS performance and large volumes of files and directories和 How do you deal with lots of small files? : “一个目录中有 10,000 个文件后,NTFS 性能会严重下降。”
因此,从使用数百万个小文件的伪数据库迁移到“真实”数据库(例如将数据存储在单个文件中的 SQLite),从而降低访问单个记录的成本,您可能会看到显着的好处。
另一方面,200 万条记录并不算多,这表明文件系统开销可能不是您的限制因素。考虑在测试工作负载下运行您的软件,并使用分析器或其他调试工具来查看时间花在了哪里。真的是open()
耗费了这么多时间吗?或者是否有其他可以优化的昂贵处理?如果有一个可以并行化的预处理步骤,那么仅此一项就可以显着缩短处理时间。
关于mysql - 优化 MySQL 与许多平面文件和 HDD 利用率,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54211635/
目前我正在构建相当大的网络系统,我需要强大的 SQL 数据库解决方案。我选择 Mysql 而不是 Postgres,因为一些任务需要只读(MyISAM 引擎)而其他任务需要大量写入(InnoDB)。
我在 mysql 中使用如下命令。当它显示表格数据时,它被格式化为一个非常干净的表格,间距均匀且 |作为列分隔符。 SELECT * FROM TABLE_NAME; 当我从 CLI 运行命令时,如下
我知道这个问题之前已经被问过好几次了,我已经解决了很多问题,但到目前为止没有任何效果。 MySQL 试图将自身安装到的目录 (usr/local/mysql) 肯定有问题。关于我的错误的奇怪之处在于我
以下是我的 SQL 数据结构,我正在尝试如下两个查询: Select Wrk_ID, Wrk_LastName, Skill_Desc from Worker, Skill where
我们有一个本地 mysql 服务器(不在公共(public)域上),并希望将该服务器复制到我们拥有的 google 云 sql 实例。我的问题是:1.这可能吗?2.我们的本地服务器只能在本地网络上访问
我有一个表(test_table),其中一些字段值(例如字段 A、B 和 C)是从外部应用程序插入的,还有一个字段(字段 D),我想从现有表(store_table)插入其值,但在插入前者(A、B 和
我想创建一个 AWS RDS 实例,然后使用 terraform 管理数据库用户。因此,首先,我创建了一个 RDS 实例,然后使用创建的 RDS 实例初始化 mysql 提供程序,以进一步将其用于用户
当用户在我的网站上注册时,他们会在我的一个数据库中创建自己的表格。该表存储用户发布的所有帖子。我还想做的是也为他们生成自己的 MySql 用户——该用户仅有权从他们的表中读取、写入和删除。 创建它应该
我有一个关于 ColdFusion 和 Mysql 的问题。我有两个表:PRODUCT 和 PRODUCT_CAT。我想列出包含一些标记为:IS_EXTRANET=1 的特殊产品的类别。所以我写了这个
我想获取 recipes_id 列的值,以获取包含 ingredient_id 的 2,17 和 26 条目的值。 假设 ingredient_id 2 丢失则不获取记录。 我已经尝试过 IN 运算符
在 Ubuntu 中,我通常安装两者,但 MySQL 的客户端和服务器之间有什么区别。 作为奖励,当一个新语句提到它需要 MySQL 5.x 时,它是指客户端、服务器还是两者兼而有之。例如这个链接ht
我重新访问了我的数据库并注意到我有一些 INT 类型的主键。 这还不够独特,所以我想我会有一个指导。 我来自微软 sql 背景,在 ssms 中你可以 选择类型为“uniqeidentifier”并自
我的系统上有 MySQL,我正在尝试确定它是 Oracle MySQL 还是 MySQL。 Oracle MySQL 有区别吗: http://www.oracle.com/us/products/m
我是在生产 MySQL 中运行的应用程序的新维护者。之前的维护者已经离开,留下的文档很少,而且联系不上了。 我面临的问题是执行以下请求大约需要 10 秒: SELECT COUNT(*) FROM `
我有两个位于不同机器上的 MySQL 数据库。我想自动将数据从一台服务器传输到另一台服务器。比方说,我希望每天早上 4:00 进行数据传输。 可以吗?是否有任何 MySQL 内置功能可以让我们做到这一
有什么方法可以使用 jdbc 查询位于 mysql 根目录之外的目录中的 mysql 表,还是必须将它们移动到 mysql 根目录内的数据库文件夹中?我在 Google 上搜索时没有找到任何东西。 最
我在 mysql 数据库中有两个表。成员和 ClassNumbers。两个表都有一个付费年份字段,都有一个代码字段。我想用代码数字表中的值更新成员表中的付费年份,其中成员中的代码与 ClassNumb
情况:我有 2 台服务器,其中一台当前托管一个实时 WordPress 站点,我希望能够将该站点转移到另一台服务器,以防第一台服务器出现故障。传输源文件很容易;传输数据库是我需要弄清楚如何做的。两台服
Phpmyadmin 有一个功能是“复制数据库到”..有没有mysql查询来写这个函数?类似于将 db A 复制到新的 db B。 最佳答案 首先创建复制数据库: CREATE DATABASE du
我有一个使用 mySQL 作为后端的库存软件。我已经在我的计算机上对其进行了测试,并且运行良好。 当我在计算机上安装我的软件时,我必须执行以下步骤: 安装 mySQL 服务器 将用户名指定为“root
我是一名优秀的程序员,十分优秀!