这是一个创建于 2418 天前的主题，其中的信息可能已经有所发展或是发生改变。
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
linap 2018-04-15 16:03:44 +08:00 via Android  1
mysql
|
 |
2
msg7086 2018-04-15 16:55:27 +08:00 3
难道不是 grep ？ 900M 简单过滤，10 秒钟足够了吧。
|
 |
3
dobelee 2018-04-15 17:28:48 +08:00 via Android 1
文本最简单最快的 grep 了。结构化的另说。excel 就不好了。
|
 |
4
kiwi95 2018-04-15 17:30:38 +08:00 via iPhone 4
行数据，grep, awk, sed 一套下来基本能搞定
|
 |
5
liucudliucud 2018-04-15 17:47:30 +08:00 via Android 1
传到集群上用任务搞，9 亿行都没问题
|
 |
6
ynyounuo 2018-04-15 18:25:22 +08:00 1
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 |
 |
7
clino 2018-04-15 18:36:05 +08:00 via Android
unqlite 可以试试
|
 |
8
qinrui 2018-04-15 21:21:03 +08:00 via iPhone
awk
|
 |
9
locktionc 2018-04-15 22:25:32 +08:00
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。
|
 |
10
qwertyegg 2018-04-15 23:30:23 +08:00
这不是大数据 101 的题目嘛？拆成 10 份分开弄，然后合并结果
|
 |
11
wqzjk393 2018-04-16 00:25:05 +08:00 via iPhone
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…
|
 |
12
Howlaind 2018-04-16 00:48:55 +08:00 via Android
the_silver_searcher
|
Select Language