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
whereabouts
V2EX  ›  程序员

持续写入 10 亿条哈希到 MongoDB 其中一半重复 先建 Unique 索引每次检测重复还是最后统一检测一次重复性能更好?

  •  
  •   whereabouts · 2018-09-26 14:36:55 +08:00 · 1164 次点击
    这是一个创建于 2227 天前的主题,其中的信息可能已经有所发展或是发生改变。
    数据仓库类的应用,有 10 亿条 Hash 数据要插入到数据库中,就 Hash 一个字段,其中一半是会重复插入的,需求是最后 Hash 字段要唯一。
    方法 1.如果一开始直接对 Hash 字段做 Unique 唯一索引,那么数据库自己检测是否重复了,但是随着数据量增大,每次检测重复的性能开销是否值得?
    方法 2.插入完成后做一次去重处理,把唯一的 Hash 值导入到新的表里。
    机器硬件配置一般,所以想问一下哪种方法性能上好一点。
    另外 MySQL 和 MongoDB 哪个更适合做这项任务吗?
    3 条回复    2018-09-26 15:17:12 +08:00
    fireapp
        1
    fireapp  
       2018-09-26 15:07:11 +08:00 via iPhone
    bulong
    fireapp
        2
    fireapp  
       2018-09-26 15:10:13 +08:00 via iPhone
    @fireapp 上面意外发错了🙀
    bloom 过滤器啊,2G 内存能搞定,使用加强版的
    luckychenhaha
        3
    luckychenhaha  
       2018-09-26 15:17:12 +08:00
    bloomfilter
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1286 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 · 25ms · UTC 23:23 · PVG 07:23 · LAX 16:23 · JFK 19:23
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.