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
校园失物招领系统管理系统按照操作主体分为管理员和用户。管理员的功能包括字典管理、论坛管理、公告信息管理、失物招领管理、失物认领管理、寻物启示管理、寻物认领管理、用户管理、管理员管理。用户的功能等。该系统采用了Mysql数据库,Java语言,Spring Boot框架等技术进行编程实现。 校园失物招领系统管理系统可以提高校园失物招领系统信息管理问题的解决效率,优化校园失物招领系统信息处理流程,保证校园失物招领系统信息数据的安全,它是一个非常可靠,非常安全的应用程序。 ,管理员权限操作的功能包括管理公告,管理校园失物招领系统信息,包括失物招领管理,培训管理,寻物启事管理,薪资管理等,可以管理公告。 失物招领管理界面,管理员在失物招领管理界面中可以对界面中显示,可以对失物招领信息的失物招领状态进行查看,可以添加新的失物招领信息等。寻物启事管理界面,管理员在寻物启事管理界面中查看寻物启事种类信息,寻物启事描述信息,新增寻物启事信息等。公告管理界面,管理员在公告管理界面中新增公告,可以删除公告。公告类型管理界面,管理员在公告类型管理界面查看公告的工作状态,可以对公告的数据进行导出,可以添加新公告的信息,可以编辑公告信息,删除公告信息。
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