java高效重复数据删除

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了java高效重复数据删除，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含968字，纯文字阅读大概需要2分钟。

内容图文

假设您有一个大文本文件.每行包含一个电子邮件ID和一些其他信息(比如一些product-id).假设文件中有数百万行.您必须在数据库中加载此数据.您如何有效地重复数据删除(即消除重复)？

解决方法:

疯狂的行数

>使用Map& Reduce框架(例如Hadoop).这是一个完整的分布式计算,所以除非你有TB的数据,否则这是一个过度杀手. (j / k :))

无法适应内存中的所有行

>即使结果也不合适：使用合并排序,将中间数据保存到磁盘.合并时,您可以丢弃重复项(可能是this sample帮助).如果您愿意,这可以是多线程的.
>结果将适合：您可以使用行迭代器或其他东西,而不是读取内存中的所有内容然后将其放入HashSet(见下文),并继续添加到此HashSet.您可以使用ConcurrentHashMap并使用多个线程来读取文件并添加到此Map.另一个多线程选项是使用ConcurrentSkipListSet.在这种情况下,您将实现compareTo()而不是equals()/ hashCode()(compareTo()== 0表示重复)并继续添加到此SortedSet.

适合记忆

>设计一个保存数据的对象,实现一个好的equals()/ hashCode()方法并将它们全部放在HashSet中.
>或者使用上面给出的方法(你可能不想坚持使用磁盘).

哦,如果我是你,我会在DB上放置唯一约束……

内容总结

以上是互联网集市为您收集整理的java高效重复数据删除全部内容，希望文章能够帮你解决java高效重复数据删除所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端