处理大数据量的算法的一些心得 _数据分析师
几百万的待处理目标,有木有!每一个目标有几十个附加信息也要处理,有木有!内存永远是不够的,有木有! 只有用文件来帮忙,有木有!
把数据都载入内存? 呵呵,我是不会有这种想法了。 可以不与文件打交道吗?想都不用想。 碰见大数据,一定要将数据保存在文件里,然后通过反复读写文件,将数据加载到内存中,再进行对数据的处理。对了,反复读写文件,一定会很慢的,要提高速度,暂时学到两个方法:1---通过内存映射,将文件地址映射到内存中,这样加载文件中数据到内存会快很多(当然我碰到过要读取几千万,几亿次的情况,一样不达标,但是总比文件api快不知道哪里去了) 2---采取分块处理,分片处理的方法,建立缓冲区,将相关数据读取到内存中,比如要处理a, 但是处理a要用到b,那么我们可以先读取a,再读取b,处理ing,完毕后,将a写入文件,将b写入文件。那么以后处理b呢,我们又要再一次将b读入到内存中,重复操作,费时,更优的方法当然是处理完a后,暂时保留b在内存中,等到将b(当然可能还有cdefg)也处理完后,再释放。不过,代价就是要贡献一点内存(内存实在是太宝贵了,真心舍不得)。
关于内存映射,只会基本操作,但是有时出现莫名其妙的问题,一般是映射的文件多了后发生,比如今天(到no.100后就说heap corruption,这是虾米情况,关堆屁事),一定要解决,搞懂原理!!!
将数据保存到文件中的时候,有两种方式,文本方式和二进制方式,二进制一定是优先的,方便很多,数据会保存的比较整齐。文本方式就是方便查看,一般情况下,文本方式要比二进制方式麻烦很多(二进制文件占用空间小,载入内存更加方便,当然,特殊情况除外)。
以上是对大数据的暂时认识,希望能有进步,对这个能有新的认识和更先进的方法
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29持证人简介 郭畅,CDA数据分析师二级持证人,安徽大学毕业,目前就职于徽商银行总行大数据部,两年工作经验,主要参与两项跨部 ...
2025-01-282025年刚开启,知乎上就出现了一个热帖: 2024年突然出现的经济下行,使各行各业都感觉到压力山大。有人说,大环境越来越不好了 ...
2025-01-27在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-01-26数据指标体系 “数据为王”相信大家都听说过。当前,数据信息不再仅仅是传递的媒介,它成为了驱动经济发展的新燃料。对于企业而 ...
2025-01-26在职场中,当你遇到问题的时候,如果感到无从下手,或者抓不到重点,可能是因为你掌握的思维模型不够多。 一个好用的思维模型, ...
2025-01-25俗话说的好“文不如表,表不如图”,图的信息传达效率很高,是数据汇报、数据展示的重要手段。好的数据展示不仅需要有图,还要选 ...
2025-01-24数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相,还能为企业决策者提供有价值的洞察和建议。 年薪70 ...
2025-01-24又到一年年终时,各位打工人也迎来了展示成果的关键时刻 —— 年终述职。一份出色的年终述职报告,不仅能全面呈现你的工作价值, ...
2025-01-23“用户旅程分析”概念 用户旅程图又叫做用户体验地图,它是用于描述用户在与产品或服务互动的过程中所经历的各个阶段、触点和情 ...
2025-01-22在竞争激烈的商业世界中,竞品分析对于企业的发展至关重要。今天,我们就来详细聊聊数据分析师写竞品分析的那些事儿。 一、明确 ...
2025-01-22在数据分析领域,Excel作为一种普及率极高且功能强大的工具,无疑为无数专业人士提供了便捷的解决方案。尽管Excel自带了丰富的功 ...
2025-01-17在这个瞬息万变的时代,许多人都在寻找能让他们脱颖而出的职业。而数据分析师,作为大数据和人工智能时代的热门职业,自然吸引了 ...
2025-01-14Python作为一门功能强大的编程语言,已经成为数据分析和可视化领域的重要工具。无论你是数据分析的新手,还是经验丰富的专业人士 ...
2025-01-10完全靠数据决策,真的靠谱吗? 最近几年,“数据驱动”成了商界最火的关键词之一,但靠数据就能走天下?其实不然!那些真正成功 ...
2025-01-09SparkSQL 结构化数据处理流程及原理是什么?Spark SQL 可以使用现有的Hive元存储、SerDes 和 UDF。它可以使用 JDBC/ODB ...
2025-01-09