使用 JavaScript 解决导入 Excel 数据重复字段的问题。大约 40W 行数据

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

这是一个创建于 1664 天前的主题，其中的信息可能已经有所发展或是发生改变。

导入的数据大概有 40W 行。每行有八个字段 [ A,B,C,D,E,F,G,H ] 。根据字段 A，B 去重。如果 A 字段或者 B 字段在之前的行已经存在了。则当前行被标记为失败。并且记录与第几行重复了。怎么提升计算速度。。。求大佬解决。

11 条回复 • 2020-04-26 08:52:15 +08:00

cydian

2020-04-25 20:13:00 +08:00

40W 行在前端怎么处理都很慢吧。
量太大了给后端处理。

opengps

2020-04-25 20:15:54 +08:00

作为平面文件，直接导入数据库，然后从数据库再执行算法去重

cgh

2020-04-25 20:18:04 +08:00

@cydian 目前的情况是前端已经对数据进行了格式验证。40W 数据大概 18 秒，如果加上对字段的重复判断的话一分钟以内其实都是可以接受的。但是我感觉不只是时间翻倍的问题了，，，

cgh

2020-04-25 20:20:39 +08:00

@opengps 我们需要在页面进行编辑修改。然后在传给后端。。。。导入数据库再显示。时间太久了。

hronro

2020-04-25 20:22:23 +08:00 via iPhone

上 web worker 开多线程，上 WASM

cydian

2020-04-25 22:43:26 +08:00

@cgh 你一旦遇到用户浏览器的性能问题，就凉凉了。

noe132

2020-04-25 22:59:38 +08:00

最快的方式就是针对 A，B 建两个 map
然后一遍遍历过去即可

mooyo

2020-04-25 23:18:35 +08:00

这一个 On 能搞定吧，如果内存够的话不应该很慢阿。

mooyo

2020-04-25 23:19:02 +08:00

只需要读一遍应该就能搞定吧

cocolate

2020-04-26 07:14:09 +08:00 via Android

大量数据少量计算就不用上 wasm 了，开个 webworker 防止浏览器卡死应该就行，基础算法就是维护 map，硬核一点就上异或判断，内存占用 O1，但是不知道行数信息。

cgh

2020-04-26 08:52:15 +08:00

@cocolate 你说的这个我有考虑过。