大规模数据处理学习笔记：2. 如何实现大型电商热销榜

2.1 案例描述

本文以大型电商热销榜为例，讲述了从1万用户到1亿用户，从GB数据到PB数据系统，技术思维需要什么样的升级。

假设某电商网站销售10亿件商品，已经跟踪了网站的销售记录：商品id以及购买时间{product_id,timestamp}，整个交易记录是1000亿行数据，TB级。怎么样设计一个系统，根据销售记录统计去年销量前十的商品？

假设我们的数据为：

2.2 小规模的经典算法

对于该问题，可以分解为以下两个步骤完成：

• 第一步：统计每个商品的销量，可以使用哈希表数据结构，一遍遍历完成，时间复杂度为O(n)
• 第二步：找出销量前十，可以使用基于快速排序的topK算法，平均时间复杂度为O(n)（与基于快速排序寻找第k大的值相似；判断快速排序中过程的枢纽值左边有多少个数，与k进行比较，递归进行）

以python编写代码大概是这样的：

def CountSales(sales_records):
# Calculate number of sales for each product_id
	sales_count = {}
	for record in sales_records:
		sales_count[record[product_id]]=sales_count.get(record[product_id],0)+1
	return sales_count

def TopSellingItems(sales_records, k=10):
	# Calculate the best selling k products
	sales_count &#