免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
12下一页
最近访问板块 发新帖
查看: 4850 | 回复: 14
打印 上一主题 下一主题

数亿行数据随机抽取的问题[已解决] [复制链接]

论坛徽章:
0
跳转到指定楼层
1 [收藏(0)] [报告]
发表于 2012-02-13 20:05 |只看该作者 |倒序浏览
本帖最后由 xxhacker 于 2012-02-14 11:09 编辑

我有一个用户列表,每一行有一个UID,但是这个用户列表有数亿行之多,想从中随机抽取1W行,不知道用sed/awk怎么实现,还有一个要求就是代码执行起来要快最好系统资源不要消耗太多,求高人指点!

论坛徽章:
3
2015年辞旧岁徽章
日期:2015-03-03 16:54:152015年迎新春徽章
日期:2015-03-04 09:51:162015年亚洲杯之阿曼
日期:2015-04-07 20:00:59
2 [报告]
发表于 2012-02-13 22:09 |只看该作者
提示: 作者被禁止或删除 内容自动屏蔽

论坛徽章:
23
15-16赛季CBA联赛之吉林
日期:2017-12-21 16:39:27白羊座
日期:2014-10-27 11:14:37申猴
日期:2014-10-23 08:36:23金牛座
日期:2014-09-30 08:26:49午马
日期:2014-09-29 09:40:16射手座
日期:2014-11-25 08:56:112015年辞旧岁徽章
日期:2015-03-03 16:54:152015年迎新春徽章
日期:2015-03-04 09:49:0315-16赛季CBA联赛之山东
日期:2017-12-21 16:39:1915-16赛季CBA联赛之广东
日期:2016-01-19 13:33:372015亚冠之山东鲁能
日期:2015-10-13 09:39:062015亚冠之西悉尼流浪者
日期:2015-09-21 08:27:57
3 [报告]
发表于 2012-02-13 22:51 |只看该作者
回复 2# zooyo


两个缺点:
1、源文件扫描10000遍,效率差
2、可能出现重复的记录

可以用 awk 构造包含10000个不重复数字的数组,扫描文件1次即可。
  1. awk 'BEGIN{srand();while(i<10000){k=int(rand()*100000000);if(!(k in a)){a[k]++;i++}}}(NR in a)' urfile
复制代码

论坛徽章:
3
2015年辞旧岁徽章
日期:2015-03-03 16:54:152015年迎新春徽章
日期:2015-03-04 09:51:162015年亚洲杯之阿曼
日期:2015-04-07 20:00:59
4 [报告]
发表于 2012-02-13 23:35 |只看该作者
提示: 作者被禁止或删除 内容自动屏蔽

论坛徽章:
15
2015年辞旧岁徽章
日期:2015-03-03 16:54:15双鱼座
日期:2015-01-15 17:29:44午马
日期:2015-01-06 17:06:51子鼠
日期:2014-11-24 10:11:13寅虎
日期:2014-08-18 07:10:55酉鸡
日期:2014-04-02 12:24:51双子座
日期:2014-04-02 12:19:44天秤座
日期:2014-03-17 11:43:36亥猪
日期:2014-03-13 08:13:51未羊
日期:2014-03-11 12:42:03白羊座
日期:2013-11-20 10:15:18CU大牛徽章
日期:2013-04-17 11:48:45
5 [报告]
发表于 2012-02-14 07:19 |只看该作者
本帖最后由 rdcwayx 于 2012-02-14 09:16 编辑

waker 说的有理, 我这个就删了,免得误导别人。

论坛徽章:
8
摩羯座
日期:2014-11-26 18:59:452015亚冠之浦和红钻
日期:2015-06-23 19:10:532015亚冠之西悉尼流浪者
日期:2015-08-21 08:40:5815-16赛季CBA联赛之山东
日期:2016-01-31 18:25:0515-16赛季CBA联赛之四川
日期:2016-02-16 16:08:30程序设计版块每日发帖之星
日期:2016-06-29 06:20:002017金鸡报晓
日期:2017-01-10 15:19:5615-16赛季CBA联赛之佛山
日期:2017-02-27 20:41:19
6 [报告]
发表于 2012-02-14 09:01 |只看该作者
回复 5# rdcwayx


gawk中srand()以当前时间为种子,不存在你说的问题吧

8位数的总量比7位数就大10倍啊,抽到的机率当然高10倍了

论坛徽章:
0
7 [报告]
发表于 2012-02-14 11:09 |只看该作者
谢谢各位的回复,问题已解决

论坛徽章:
0
8 [报告]
发表于 2012-02-14 11:28 |只看该作者
数亿行,厉害

论坛徽章:
0
9 [报告]
发表于 2012-02-15 10:58 |只看该作者
学习了!

论坛徽章:
0
10 [报告]
发表于 2012-02-15 11:05 |只看该作者
有个问题,最后的(NR in a)是什么意思?省略了什么东西么?
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP