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
V2EX 提问指南
samohyes
V2EX  ›  问与答

几万条数据中找所有带某个字符串的记录怎么找比较快?

  •  1
     
  •   samohyes · 2021-04-09 20:38:07 +08:00 · 1367 次点击
    这是一个创建于 1309 天前的主题,其中的信息可能已经有所发展或是发生改变。

    lz 这方面是个小白,现在一个项目有 1 万条数据,举个例子,地址:浙江省杭州市拱墅区天翼路等。我想把所有地址含有拱墅区这三个字的记录筛选出来。我原来是很傻地用一个 list 装,一个个找。现在想着,数据量大了,用数据库存然后找会不会更快?我试了下,用 list 一个个找约有 6ms,但是对数据库不大熟,有经验地老哥指点下怎么存怎么找快一点?

    14 条回复    2021-04-09 23:37:28 +08:00
    ch2
        1
    ch2  
       2021-04-09 20:41:32 +08:00
    elasticsearch 了解一下
    codehz
        2
    codehz  
       2021-04-09 20:44:11 +08:00 via Android
    (如果只是匹配字符串的话,可以先分词,然后做词向量的方法处理。。。
    但是考虑到这里似乎和地理位置相关,这个方法可能不太够用
    samohyes
        3
    samohyes  
    OP
       2021-04-09 20:45:06 +08:00
    @ch2 好嘞,我去了解下
    yusheng88
        4
    yusheng88  
       2021-04-09 20:49:18 +08:00
    kmp 算法,ac 自动机; 根据自己需求,选择 NFA 算法或 DFA 算法
    xarthur
        5
    xarthur  
       2021-04-09 21:00:46 +08:00 via iPhone
    这个数量才多少点……算你一条 15 个字,用 UTF-8 编码,汉字三个字节。一万条数据才 439.45KB……
    samohyes
        6
    samohyes  
    OP
       2021-04-09 21:20:10 +08:00
    @xarthur 我这情况比较特殊,6ms 对我来说已经占了我所用的一次整个流程的一半了。。。我得把这个时间再缩短下。。
    HeavyWhale
        7
    HeavyWhale  
       2021-04-09 21:37:10 +08:00
    boyer-morre
    xarthur
        8
    xarthur  
       2021-04-09 21:49:54 +08:00
    @samohyes 6ms 占了流程的一半……你整个流程才 12ms 啊。如果只是偶尔调用也不慢啊。
    coreki
        9
    coreki  
       2021-04-09 22:04:36 +08:00 via Android
    DFA 算法
    aec4d
        10
    aec4d  
       2021-04-09 22:51:50 +08:00 via iPhone
    最容易,最好理解的方法是 n-gram,空间换时间,比如 abc 分成 abc,ab,bc,a,b,c 放到字典里面,查询效率是 O(1)
    IsaacYoung
        11
    IsaacYoung  
       2021-04-09 22:52:31 +08:00
    巧了 前几天正好看到 kmp 算法
    dawangyezi
        12
    dawangyezi  
       2021-04-09 22:56:10 +08:00
    先分词,建立倒排索引,然后再找就快了。和检索引擎一个原理。也可以直接用数据库的全文检索插件做
    Ballmer
        13
    Ballmer  
       2021-04-09 22:57:32 +08:00
    最简单的 fulltext index 全文索引这种效果咋样
    billlee
        14
    billlee  
       2021-04-09 23:37:28 +08:00
    1 万条数据,如果在意的是延迟,用数据库显然是不行的,一个网络 RTT 都要几毫秒了。
    这种这是多个字符串搜索单个词,没有什么太好的优化方法了。要优化应该要从内存访问方面着手了,比如把链表改成连续内存。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   930 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 23ms · UTC 21:51 · PVG 05:51 · LAX 13:51 · JFK 16:51
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.