海量数据处理中常用到的技术
1. Bloom Filtering
基本的Bloom Filtering支持快速的插入和查找操作,是一种hash表技术。基本的数据结构非常简单,容量为m的位数组,k个hash函数,将输入的n个元素存储在位数组里面。
每次插入一个新的元素,先计算该元素的k个hash指,将位数组对应hash值位置为1. 查找某个元素时,同样的先计算k个hash值,然后查询看是否对应位数组中得k位是否都是1,是则断定元素存在。
基本的Bloom Filtering算法可以用于允许误差的快速判重操作。集合的交集、并集的计算。
Bloom Filtering有个改进的版本counting bloom filtering可以支持数据的删除操作,countering bloom filtering和基本的bloom filtering相比,位数组中每一位的取值扩展成多位,基本的bloom filtering用1bit表示一位。插入一个元素时,所有的k位都加1,删除时都减1,查找时如果k个值都大于0则判定为存在。CBF中有个很重要的参数,即每一位的位数为多少。可以通过理论证明,位数一般取4就足够了,可以支持同一个数据插入16次。
bitmap可以看做bloom filtering的特例
2. Hash表技术
d-left hash hash表负载均衡技术。将hash表分成d段,设计d个hash函数,更具负载选择一个合适的段存放数据。查找时要计算d个hash值,分别在d段中找。
常用于统计次数。
3. 堆技术
堆有两个典型的应用:
多路归并排序
求TopK
多路归并排序时,降序排序时用最大堆,升序排序用最小堆。
TopK时,求TopK最大时,用最小堆,求TopK最小时用最大堆。求topK最大时,利用最小堆堆维护K个值,当新扫描的值大于堆顶元素时,堆顶元素删除,插入新的值。这样扫描完一遍数据,既可以求得topK最大。
4. 双层桶(多层桶)设计
hash表技术是一种direct addr 技术,但是当数据范围分布过广、且数据量非常大的时候,采用hash表直接direct addr技术就不行了,这是可以使用多层hash技术。将原始数据范围分成小段,每一段内存可以装载,段内可以使用direct addr table技术。可以用多层分级快速定位到小段。
C++算法之海量数据处理方法的总结分析
2020-12-12 17:22C++教程网 C/C++
本篇文章是对海量数据处理方法进行了详细的总结与分析,需要的朋友参考下
延伸 · 阅读
- 2022-04-25基于MVCC,我用C++自己手撸了个MySQL!
- 2022-04-18Nim语言在蓝军实战中的研究总结
- 2022-03-11C++多线程之互斥锁与死锁
- 2022-03-11C++学习之线程详解
- 2022-03-11如何通过C++求出链表中环的入口结点
- 2022-03-11一篇文章了解c++中的new和delete
- C/C++
C语言main函数的三种形式实例详解
这篇文章主要介绍了 C语言main函数的三种形式实例详解的相关资料,需要的朋友可以参考下...
- C/C++
c/c++实现获取域名的IP地址
本文给大家汇总介绍了使用c/c++实现获取域名的IP地址的几种方法以及这些方法的核心函数gethostbyname的详细用法,非常的实用,有需要的小伙伴可以参考下...
- C/C++
OpenCV实现拼接图像的简单方法
这篇文章主要为大家详细介绍了OpenCV实现拼接图像的简单方法,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...
- C/C++
C语言实现双人五子棋游戏
这篇文章主要为大家详细介绍了C语言实现双人五子棋游戏,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...
- C/C++
深入C++拷贝构造函数的总结详解
本篇文章是对C++中拷贝构造函数进行了总结与介绍。需要的朋友参考下...
- C/C++
关于C语言中E-R图的详解
今天小编就为大家分享一篇关于关于C语言中E-R图的详解,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看...
- C/C++
使用C++制作简单的web服务器(续)
本文承接上文《使用C++制作简单的web服务器》,把web服务器做的功能稍微强大些,主要增加的功能是从文件中读取网页并返回给客户端,而不是把网页代码...
- C/C++
c/c++内存分配大小实例讲解
在本篇文章里小编给大家整理了一篇关于c/c++内存分配大小实例讲解内容,有需要的朋友们可以跟着学习参考下。...