海量数据处理的优化

这次写的彩票的比较算法， 从4000多万个数字去3万多， 然后分别与4000多万取30万，50万个数字比较的算法跑5次耗时40多秒， 感觉效率比较低，于是找了几篇关于海量数据处理的文章，打算看一下有无优化方法。

1. 十个海量数据面试题和十大方法总结：  http://blog.csdn.net/v_july_v/article/details/6279498

2. 交你如何处理99%的海量数据面试题：  http://blog.csdn.net/v_july_v/article/details/7382693

3. Bloom Filter一站式教程：  http://blog.csdn.net/v_july_v/article/details/7382693

关于取n个不同的随机数。 最近在stackoverflow看到有问这个问题，ruby一般方法是：

r = [ ] 

while r.length < n 

 v = rand(max)
  r << v unless r.include? v 

end

或者

p  ( 1 .. max ) .to_a .shuffle [ 0 , n ]

如果考虑到 n 和max都是百万级别， 用哈希速度明显变快：

hash = {}   r = [ ] 

while hash.length < n 

 a = rand(max)
  if !hash_has_key? (a)
     hash(a) = :ok 

end 

end 

 r = hash.keys