3

只是对个人经验和对限制的理解等的查询。例如，如果我有一个包含 100,000 行（条目）的文本文件和一个包含 100,000 个相同条目的数据库，每个条目包含一个单词且没有双精度词，我会是哪个能够更快地处理并且哪个会消耗最少的内存？

据我了解，我可以在开始时将整个文本文件加载到内存中的列表中（仅约 1MB。）此信息用于确认字符串内容。字符串中的每个单词（由空格分隔）都必须存在于文件中，否则它会更改为列表中最相似的条目。简而言之，它是非常高级的自动更正。然而，可悲的是，我不得不重新发明轮子。

所以无论如何，我的问题仍然存在。哪个是我最好的选择？我正在尝试使用尽可能少的外部模块，所以我想我可能会坚持使用 SQLite（它是标准的，不是吗？尽管再多一个也无妨）如果换行符分隔的文本文件既是我最快的也是最经济的选项，我应该以特定的方式处理它们吗？我希望这个脚本能够在一秒钟内执行至少 100 次匹配操作，如果使用 Python 等语言在计算上是可行的。

4

2 回答 2

1

如果您将所有 100,000 个单词加载到 Python 集中，确定给定单词是否在该集中将是O(1)- 它不会比这更快。启动 python 应用程序时的惩罚将是延迟，因为 Python 必须加载所有数据，大约需要几秒钟。

如果将单词加载到 SQLite（或任何其他 SQL 数据库）中，则需要基于哈希的索引来实现相同的性能顺序。我不确定 SQLite 是否具有该索引类型。MySQL 没有。

SQL 数据库通常没有查找“相似”词的功能，因为每个用户都有自己的“相似”定义。在 Python 中实现它会容易得多，但也许您选择的数据库有一些正是您正在寻找的东西。

最佳选择取决于您未提及的其他要求。100,000字经常变化吗？其他人（非程序员）是否需要维护他们？如果是这样，数据库可能更方便，您可能希望为此牺牲速度。另外，您多久启动一次 Python 应用程序？如果你运行它来测试单个单词，你会为每个单词等待几秒钟。另一方面，如果您编写一个守护程序/服务器并添加一个接口（套接字、HTTP 等），您只需加载一次数据，您就可以向它抛出大量单词。

于 2012-12-15T15:57:07.000 回答
1

免责声明：与性能一样，不要依赖假设，而是衡量。

话虽如此，这里有一些注意事项：

  • 无论您使用数据库还是纯文本文件，数据结构和算法的选择都可能对性能产生重大影响。例如，在任何一种情况下，通过列表进行蛮力搜索都是低效的。
  • 优化的内存数据结构可能比磁盘数据库更快。
  • 另一方面，数据库解决方案可以更有效地使用内存。
于 2012-12-15T16:09:24.547 回答