大数据量获取TopK的方案是什么

大数据量获取TopK的方案是什么，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。一：介绍生活中经常会遇到求TopK的问题，在小数据量的情况下可以先将所有数据排序，最后进行遍历。但是在大数据量情况下，这种的时间复杂度最低的也就是O(NlogN)此处的N可能为10亿这么大的数字，时间复杂度过高，那么什么方法可以减少时间复杂度呢，以下几种方式，与大家分享。二：局部淘汰法 — 借助“冒泡排序”获取TopK思路：可以避免对所有数据进行排序，只排序部分冒泡排序是每一轮排序都会获得一个最大值，则K轮排序即可获得TopK时间复杂度空间复杂度时间复杂度：排序一轮是O(N)，则K次排序总时间复杂度为：O(KN)空间复杂度：O(K)，用来存放获得的topK，也可以O(1)遍历原数组的最后K个元素即可。ps:冒泡排序请参考：https://blog.csdn.net/CSDN___LYY/article/details/81478583三：局部淘汰法 — 借助数据结构”堆”获取TopK思路：堆：分为大顶堆（堆顶香港云主机元素大于其他所有元素）和小顶堆（堆顶其他元素小于所有其他元素）我们使用小顶堆来实现，为什么不适用大顶堆下面会介绍~取出K个元素放在另外的数组中，对这K个元素进行建堆然后循环从K下标位置遍历数据，只要元素大于堆顶，我们就将堆顶赋值为该元素，然后重新调整为小顶堆循环完毕后，K个元素的堆数组就是我们所需要的TopK为什么使用小顶堆呢？我们在比较的过程中使用堆顶是最小值的小顶堆，元素大于堆顶我们对堆顶进行重新赋值，那么堆顶永远是这K个值中最小的值，当我们下一个元素和堆顶比较时，如果不大于堆顶的话，那么一定不属于topK范围的时间复杂度与空间复杂度时间复杂度：每次对K个元素进行建堆，时间复杂度为：O(KlogK)，加上N-K次的循环，则总时间复杂度为O((K+(N-K))logK)，即O(NlogK)，其中K为想要获取的TopK的数量N为总数据量空间复杂度：O(K)，只需要新建一个K大小的数组用来存储topK即可适用环境适用于单核单机环境，不会发挥多核的优势也可用于分治法中获取每一份元素的Top，下面会介绍代码实现使用的java代码实现的，代码内每一步都有注释便于理解

四：分治法 — 借助”快速排序“方法获取TopK思路：比如有10亿的数据，找处Top1000，我们先将10亿的数据分成1000份，每份100万条数据在每一份中找出对应的Top 1000，整合到一个数组中，得到100万条数据，这样过滤掉了999%%的数据使用快速排序对这100万条数据进行”一轮“排序，一轮排序之后指针的位置指向的数字假设为S，会将数组分为两部分，一部分大于S记作Si，一部分小于S记作Sj。如果Si元素个数大于1000，我们对Si数组再进行一轮排序，再次将Si分成了Si和Sj。如果Si的元素小于1000，则我们需要在Sj中获取1000-count(Si)个元素的，也就是对Sj进行排序如此递归下去即可获得TopK和第一种方法有什么不同呢？相对来说的优点是什么？第二种方法中我们可以采用多核的优势，创建多个线程，分别去操作不同的数据。当然我们在分治的第二步可以使用第一种方法去获取每一份的Top。适用环境多核多机的情况，分治法会将多核的作用发挥到最大，节省大量时间时间复杂度与空间复杂度时间复杂度：一份获取前TopK的时间复杂度：O((N/n)logK)。则所有份数为：O(NlogK)，但是分治法我们会使用多核多机的资源，比如我们有S个线程同时处理。则时间复杂度为：O((N/S)logK)。之后进行快排序，一次的时间复杂度为：O(N),假设排序了M次之后得到结果，则时间复杂度为：O(MN)。所以，总时间复杂度大约为O(MN+(N/S)logK) 。空间复杂度：需要每一份一个数组，则空间复杂度为O(N)五：其他情况通常我们要根据数据的情况去判断我们使用什么方法，在获取TopK前我们可以做什么操作减少数据量。比如：数据集中有许多重复的数据并且我们需要的是前TopK个不同的数，我们可以先进行去重之后再获取前TopK。如何进行大数据量的去重操作呢，简单的说一下：采用bitmap来进行去重。一个char类型的数据为一个字节也就是8个字符，而每个字符都是用01标识，我们初始化所有字符为0。我们申请N/8+1容量的char数组，总共有N+8个字符。对数据进行遍历，对每个元素S进行S/8操作获得char数组中的下标位置，S%8操作获得该char的第几个字符置1。在遍历过程中，如果发现对应的字符位置上已经为1,则代表该值为重复值，可以去除。主要还是根据内存、核数、最大创建线程数来动态判断如何获取前TopK。看完上述内容，你们掌握大数据量获取TopK的方案是什么的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注开发云行业资讯频道，感谢各位的阅读！

相关推荐: SSO登录原理是什么

SSO登录原理是什么，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。Single Sign-onSSO是老生常谈的话题了，但部分同学对SSO可能掌握的也是云里雾里，一知半解。本次手撕公司的SSO原理…