海量数据处理——top K

这篇博客探讨了在海量数据中找出最大K个数的不同策略,包括局部淘汰法、分治法和Hash法。对于内存有限的情况,提出了通过文件切割、数据分片和多线程处理的方法。此外,还列举了类似问题的应用场景,如热门查询串统计、高频词排序等。
摘要由CSDN通过智能技术生成

有1亿个浮点数,如何找出其中最大的10000个

局部淘汰法
用一个容器保存前 10000个数,然后将剩余的所有数字一一与容器内的最小数字相比,如果所有后续的元素都比容器内的 1000个数还小,那么容器内的这 10000个数就是最大的 10000个数。如果某一后续元素比容器内的最小数字大,则删掉容器内最小元素,并将该元素插入容器,最后遍历完这1亿个数,得到的结果容器中保存的数即为最终结果了。
容器可以用优先队列,最小堆。
分治法
将1亿个数据分成100份,每份100万个数据,找出每份数据中最大的10000个,最后在剩下的100×10000个数据里面找出最大的10000个。100万个数据里面查找最大的10000个数据的方法可以用快速排序或者优先队列或者最小堆维护。
Hash法
如果这1亿个数里面有很多重复的数,先通过Hash法,把这1亿个数字去重复,这样如果重复率很高的话,会减少很大的内存用量,从而缩小运算空间,然后通过分治法或最小堆查找最大的10000个数。


针对不同的应用场景,分析适合相应应用场景的解决方案

单机+单核+足够大内存
先用HashMap求出每个词出现的频率,然后求出频率最大的10个词。
单机+多核+足够大内存
直接在内存中使用Hash方法将数据划分成c×n份,每个线程处理完当前任务后主动取下一个继续处理,直到所有数据处理完毕,

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值