java海量数据_如何进行java海量数据处理，下面一段是我摘抄的问题及处理方法...

1、海量日志数据，提取出某日访问百度次数最多的那个IP。首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个2^32个IP。同样可以采...

1、海量日志数据，提取出某日访问百度次数最多的那个IP。

首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个2^32个IP。同样可以采用映射的方法，比如模1000，把整个大文件映射为1000个小文件，再找出每个小文中出现频率最大的IP(可以采用hash_map进行频率统计，然后再找出频率最大的几个)及相应的频率。然后再在这1000个最大的IP中，找出那个频率最大的IP，即为所求。

或者如下阐述(雪域之鹰)：

算法思想：分而治之+Hash

1.IP地址最多有2^32=4G种取值情况，所以不能完全加载到内存中处理；

2.可以考虑采用“分而治之”的思想，按照IP地址的Hash(IP)%1024值，把海量IP日志分别存储到1024个小文件中。这样，每个小文件最多包含4MB个IP地址；

3.对于每一个小文件，可以构建一个IP为key，出现次数为value的Hash map，同时记录当前出现次数最多的那个IP地址；

4.可以得到1024个小文件中的出现次数最多的IP，再依据常规的排序算法得到总体上出现次数最多的IP；

对于上面的方案，我的理解是，他求了每个小文件中最大频率的ip，然后再比较这些最大ip，从这些最大ip中求出一个最大ip，即求出了1024个最大ip中的最大的那一个。

我感觉这个值不应该是要求的那个。因为可能某一个ip在某一个小文件中可能出现频率很高，但是在其他小文件中可能没出现几次，即分布不均，但因为某一个小文件中特别多而被选出来了；而另一个ip可能在每个小文件中都不是出现最多的，但是它在每个文件中都出现很多次，即分布均匀，因此非常有可能它就是总的出现次数最多的，但是因为在每个小文件中出现的次数都不是最多的而被刷掉了。所以我感觉上面的方案不行。

如果我理解有误，请大神指点，如果无误(即上面的方案是错的)，请大神指点一个正确可行的方案..........，拜谢了........

展开