数据结构(如何在10亿数据中快速查找出重复的数据)
来源:互联网 发布:linux arm 交叉编译 编辑:程序博客网 时间:2024/06/03 15:51
对于32位的计算机而言,只有2G的内存(2的三十一次方),而十亿大概是2的32次方。因此,不能将其直接放到内存中进行处理。 一个byte有八位,我们可以开辟长度为2的29次方的byte数组,利用位映射原理,将要处理的数对8进行除法取商,商作为byte数组的下标,数组存储的元素可以转化为八位二进制,若二进制数的第i位为一,则表示该数对8取模的值为i。如:
假设某数据为9。9=8*1+1,即对8的商为1,对8取模为1。应该存在byte[1],将byte[1]的值改为00000002,即把2的一次方赋予byte[1]。
可以看到,新开数组的所需大小并不取决于数据量的大小,而是取决于某数据值的大小,新开的数组byte的大小N与所需处理的数据集之中的最大值Max有关,N>=Max/8。那么,先得到最大值,再进行查重可不可行呢,效率相对于直接开大空间有多大的提升呢?有待探究。
按照之前并不优雅的做法,就把数据量降低了n倍,得以对其进行各种操作。
下面上代码!
package SearchRepeatition;/** * @author lzj lzj.997@qq.com: * @version 创建时间:2015-1-31 下午5:05:42 类说明 :10亿数量级的查重 */public class searchRepeat {// 查询方法public void search(int[] array) {byte[] bytes = new byte[20];// 一个byte有8个bit,00000000int[] binary = new int[8];// 开辟存储对应二进制数的数组// 根据位图映射,得知byte数组的大小取决于数据集中的max;// 因此对数据大小相差大的集合处理效果并不理想for (int i = 0; i < array.length; i++) {int index = (int) array[i] / 8;// 得到数字在bytes数组中的下标int mod = array[i] % 8;// 得到数字对8的模for (int j = 6; j >= 0; j--) {binary[j] = bytes[index] % 2;// 转成二进制存到binary数组,因转为二进制码要倒过来读,所以从6开始bytes[index] = (byte) (bytes[index] / 2);}bytes[index] = (byte) Math.pow(2, mod);System.out.println("j=" + i + " index=" + index+ " bytes[index]=" + bytes[index] + " mod=" + mod);// 如果binary[7-mod]为0,说明没有重复if (binary[6 - mod] != 0) {System.out.println("数字:" + (mod + 8 * index) + "重复了");}}}public static void main(String[] args) {int[] array = { 9, 1, 17, 38, 11, 26, 1, 1, 1, 9 };searchRepeat sr = new searchRepeat();long time = System.nanoTime();sr.search(array);System.out.println("==time cost==" + (System.nanoTime() - time));}}最后修改于2015/01/31.
0 0
- 数据结构(如何在10亿数据中快速查找出重复的数据)
- 如何在Excel的一列中查找重复的数据
- 使用aggregate在MongoDB中查找重复的数据记录
- javascript 查找出重复的数据,和非重复的数据
- mysql如何快速删除重复的数据
- 查找字符串中重复出现的数据
- 如何在list中删除重复的数据单元
- 如何在List集合中排除重复的数据?
- mysql的distinct用法-mysql中如何筛选出非重复的数据
- mysql的distinct用法-mysql中如何筛选出非重复的数据
- mysql的distinct用法-mysql中如何筛选出非重复的数据
- mysql的distinct用法-mysql中如何筛选出非重复的数据
- mysql的distinct用法-mysql中如何筛选出非重复的数据
- mysql的distinct用法-mysql中如何筛选出非重复的数据
- 如何在 Excel 中通过比较两列中的数据来查找重复项
- 如何在 Excel 中通过比较两列中的数据来查找重复项
- JFinal中java如何处理数据库查询出的重复数据
- 查找表中重复数据
- equals与"=="的区别和理解
- java链表
- java线程和进程(运用多线程的小球碰撞游戏)
- poj3349
- 安卓五大常用布局
- 数据结构(如何在10亿数据中快速查找出重复的数据)
- GEOINT学习(2)
- 哈夫曼树(哈夫曼建树及编码)
- 关于return和finally的执行时机的一点小问题
- hashmap初探
- G1XMarkII烂到极点
- Android网络编程
- sql profile使用
- 大学课程--计算机网络