txt 数据,只做最简单的筛选,之前只有几十万行,一直在用 excel 虽然卡一点也处理的过来。这次突增到 1000 万行了,数据 900MB 左右,excel 肯定不行了,导入到 access2016 里,虽然导入很快,但是一点筛选就卡住,cpu 占用倒是只有 50%,像这种情况还有其他更简便的筛选方法吗?谢谢
|
1
mysql
|
|
2
难道不是 grep ? 900M 简单过滤,10 秒钟足够了吧。
|
|
3
文本最简单最快的 grep 了。结构化的另说。excel 就不好了。
|
|
4
行数据,grep, awk, sed 一套下来基本能搞定
|
|
5
传到集群上用任务搞,9 亿行都没问题
|
|
6
用 ripgrep 4.4 亿行用简单正则筛选只用 21 秒
wc -l < OpenSubtitles2018.raw.en 441450449 rg -n -i '.*way.*to.*explore.*' OpenSubtitles2018.raw.en 12.95s user 7.14s system 97% cpu 21.308 total |
|
clinoApr 15, 2018 via Android
7
unqlite 可以试试
|
|
qinruiApr 15, 2018 via iPhone
8
awk
|
|
locktioncApr 15, 2018
9
你如果能把样本数据,你需要筛选的内容都提供一下,大家会给你更多办法。
|
|
qwertyeggApr 15, 2018
10
这不是大数据 101 的题目嘛?拆成 10 份分开弄,然后合并结果
|
|
wqzjk393Apr 16, 2018 via iPhone
11
1,数据库,用 where 筛选。2,用 pandas 的 read_csv 函数,dataframe 什么不能干?………实际上我们工作接触几千万行数据,是用 hive 数据库的。其实吧,我个人觉得,只要不死机,卡就卡吧…
|
|
HowlaindApr 16, 2018 via Android
12
the_silver_searcher
|