本文探讨了在处理企业级大数据时，由于代码问题导致的CPU高负荷和内存耗尽的情况。建议关注循环处的代码优化，减少循环与判断，避免变量直接赋值，并谨慎使用第三方库，特别是numpy和pandas，提倡用更高效的方法替代。同时，提醒避免过多的self定义和全局变量，以提升代码效率。
一、出现场景
当面对企业级大数据处理时，因为代码本身，导致CPU高负荷运行，内存基本占用满，代码依旧未响应，如果真的因为数据量的问题那么就应该考虑，优化本地运行环境，或是使用专业的高性能运算服务器来完成。
二、解决办法
- 如果代码中无类或函数，关注循环处的代码，有其它方法尽可能避免循环与判断，尽量避免变量直接赋值给变量，如：a = b
- 如果代码里有类或函数，避免定义多个self，避免大量使用全局变量
- 最重要的是关注第三方库，需要使用numpy或者pandas这些库时，注意自己的需求，非独有功能尽量避免使用它们来运算，例如，要行索引相同的他们对应的值相加，完全可以用list方法来实现
542
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
