遍历表方案 - V2EX

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 2679 天前的主题，其中的信息可能已经有所发展或是发生改变。

一次请求需要从提交的数据中获取一个数组 A，然后，从数据库中遍历某张表的字段 B。最后通过一系列的计算（计算过程包含数组 A 和 B ），每条数据算出一个值，取最高的几个值返回给请求方？请问这样需求有什么好的实现方案，响应时间越短越好。谢谢！

遍历表

请求

计算

方案

10 条回复 • 2017-07-07 17:06:24 +08:00

Immortal

2017-07-06 21:55:02 +08:00

能看懂有鬼了- -

Hieast

2017-07-06 22:04:57 +08:00

楼主名字很好玩，itertools，再加个 nlargest、map, 应该可以解决楼主的问题了。

itertools

2017-07-06 22:22:46 +08:00

@Hieast nlargest 在我的实现中用到了,但是遍历表(如果有表中有上千万条数据)，感觉响应时间很慢。

uxstone

2017-07-06 22:35:46 +08:00

找个合适的数据结构，先把表中的数据取出来，在代码中写具体的运算逻辑？

itertools

2017-07-06 22:47:30 +08:00

@uxstone 数据量太大。内存可能会爆。

Hieast

2017-07-06 23:25:15 +08:00 via Android

@itertools 流式计算？维护一个 n 个元素的最大堆，用 generator 取一定数量的 B，更新这个堆？

不过估计这种实现不会比你现在的速度快多少。
愿意折腾的话用 spark sql ？

cszeus

2017-07-07 03:33:00 +08:00

在 B 上面建索引，然后用多线程或者多进程，把 B 里面的东西分成多个部分取出来，分别算，再一起取最大？

本来上千万条的数据，不需要分表么？

lxml

2017-07-07 08:43:34 +08:00 via Android

虽然不太清楚具体 B 是什么数据，但一个思路吃把 B 按照跳表的方式弄个多层索引，尽快的优化找 B 的速度。

Miy4mori

2017-07-07 09:42:25 +08:00 via iPhone

我觉得直接用存储过程快吧，要是读到代码里再算估计 io 开销就够喝一壶了。

caniuse

2017-07-07 17:06:24 +08:00

感觉适合用 mapreduce 思想，把任务分割成小任务分配到其他机器上并行