我有一个包含 100,000 多行的数据文件,每行仅包含两个字段,键和值以逗号分隔,并且所有键都是唯一。我想从此文件中按键查询值。将它加载到 map 是毫无疑问的,因为这会消耗太多内存(代码将在嵌入式设备上运行)而且我不希望涉及数据库。到目前为止,我所做的是在我的 PC 中预处理文件,即对行进行排序,然后在预处理文件中使用二进制搜索,如下所示:
public long findKeyOffset(RandomAccessFile raf, String key)
throws IOException {
int blockSize = 8192;
long fileSize = raf.length();
long min = 0;
long max = (long) fileSize / blockSize;
long mid;
String line;
while (max - min > 1) {
mid = min + (long) ((max - min) / 2);
raf.seek(mid * blockSize);
if (mid > 0)
line = raf.readLine(); // probably a partial line
line = raf.readLine();
String[] parts = line.split(",");
if (key.compareTo(parts[0]) > 0) {
min = mid;
} else {
max = mid;
}
}
// find the right line
min = min * blockSize;
raf.seek(min);
if (min > 0)
line = raf.readLine();
while (true) {
min = raf.getFilePointer();
line = raf.readLine();
if (line == null)
break;
String[] parts = line.split(",");
if (line.compareTo(parts[0]) >= 0)
break;
}
raf.seek(min);
return min;
}
我认为有比这更好的解决方案。谁能给我一些启发?
最佳答案
数据是不可变的,键是唯一的(如问题评论中所述)。
一个简单的解决方案:编写您自己的散列代码以将键与行号映射。
这意味着,保留排序,而是按照哈希算法告诉的顺序将数据写入文件。
当查询键时,您对键进行哈希处理,获取特定的行号,然后读取值。
理论上,您的问题有 O(1) 的解决方案。
确保散列算法具有较少的冲突,但我认为根据您的具体情况,一些冲突应该没问题。示例:3 个键映射到相同的行号,因此您将所有三个键都写在同一行上,并且当搜索到任何冲突的键时,您将从该行读取所有 3 个条目。然后在整行上进行线性搜索(在本例中又称为 O(3) 或常数时间)。
关于java - 在预处理的大文本文件中搜索一行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46425741/