问下大佬, 要用 java 通过逻辑运算生成一张表格(数据量大概 10 亿), 后面需要对该表格做统计分析, 有没有好的建议
配置: 系统: windows10 内存: 20G cpu: i710 代 硬盘: 5900rpm 写入 10m/s
目前的做法是如下:
目前情况:
由于数据后期需要做很多类似 count, sum 之类的运算 es, map reduce 可能不适合,
能想到的优化方案:
 |
1
ihehe Mar 31, 2022 via iPhone
把这 10 亿数据生成 parquet 格式，丢到本地文件大概 10g 以内， 找个 mmp 工具，单机版的就够用，10g 内存 sql 撸几次就可以了，结果存文件，这不就随便唆嘛
|
|
2
ihehe Mar 31, 2022 via iPhone
更正：mmp --> mpp
|
 |
3
Itoktsnhc Mar 31, 2022
这个场景 clickhouse 不是挺好
|
 |
4
zer0fire OP @ihehe 原先 mysql 要查询的数据表就有 1 亿多条记录, 如何转成 parquet 格式(mysqsl->Hadoop), 内存 sql, 是让我使用内存数据库吗?
|
|
6
ihehe Mar 31, 2022 via iPhone
写个程序把 mysql 数据读出来，生成 parquet 格式，就 1 亿条，上面的方案看错了，看成 10 亿，1 亿 条转成 parquet 大概 1g 大小以内；那就不用那么麻烦，你这单机丢到 duckdb 里去， 然后撸 sql 把
|
|
8
ihehe Mar 31, 2022 via iPhone
@zer0fire 可以这么理解吧，前提是转好格式，提升几十倍的扫描速度，减少 10 多倍的数据大小，你可以试试单机的 spark/ flink/drill/presto 都可以直接扫文件，不用先导成表
|
 |
9
F281M6Dh8DXpD1g2 Mar 31, 2022
生成文件 load 完事
另外为啥你要用 java 生成...随便找个 spark 都快得很好吧 |
 |
12
zmal Mar 31, 2022
mysql 的使用不太对吧，并行写入同一张表对写入性能不会有提升，线程开那么多也没啥用啊。可以考虑不用 mysql ，数据放 kafka 。
看起来这个场景用大数据工具解决会简单很多，spark/flink 之类的。 |
 |
14
X0ray Mar 31, 2022
先定位瓶颈呗，看着像是读数据慢？
还有 count sum 这类的聚合运算，为啥 es, map reduce 就不适合了？ |
|
15
ihehe Mar 31, 2022 via iPhone  1
@zer0fire mysql 的 memory 引擎对这 1 亿处理应该没啥问题，如果 10 亿百亿的你就没这么多 memory 给它用了；
上面的那些组件都是 java 的，win 上应该是可以跑的，不用再虚拟一层 linux ；（不过我没有在 win 上用过它们） |
 |
16
BeijingBaby PRO 推荐 clickhouse ，轻松处理。
|
 |
17
clf Mar 31, 2022
drill 可以看看这个。
|
 |
18
encro Mar 31, 2022
你以为 mysql memory table 的 sum,cout 就快了吗？
mysql 就是只能作 oltp 业务，作 olap 还是不行的。 |
 |
19
akira Mar 31, 2022
不管是啥，无脑上 固态 总是对的
|
Select Language