从大型文本文件中随机选择元素

Question

从大型文本文件中随机选择元素

5

我有一个包含3000万个用户ID的大文件。这个大文件看起来像这样，每一行都有一个用户ID。

现在，我计划从那个大文本文件中获取任意一行。我知道那个大文本文件中用户ID的总数。但我不确定如何最好地从那个大文本文件中选择随机元素。我考虑将所有这三千万个用户ID存储在一个集合中，然后从哈希集合中随机选择元素，但是使用这种方法会出现内存不足错误。

因此，我尝试从一个大文本文件中随机选择元素。

final String id = generateRandomUserId(random);

/**
 * Select random elements from the a big text file
 * 
 * @param userIdsSet2
 * @param r
 * @return
 */
private String generateRandomUserId(Random r) {

     File bigFile = new File("C:\\bigfile.txt");

     //randomly select elements from a big text file         


}

如何最好地完成这个任务？

- AKIWEB

1

为什么不将用户 ID 作为固定宽度存储，并用空格或其他字符进行填充。然后您就可以计算出条目的偏移量并直接跳转到该位置。 - gordy

2

@gordy：真正的问题是：为什么他不创建一个数据库呢？如果你的项目如此庞大，有3e10个用户ID，那么将它们存储在文本文件中看起来很糟糕。 - Martijn Courteaux

3个回答

1

不必将用户ID存储在哈希表中，您可以解析文件并仅将偏移量存储在int []数组中- 30M需要大约120MB的RAM。

或者，如果您可以以某种方式更改或预处理文件，则可以通过填充用户ID或使用二进制格式将格式更改为固定宽度。

- gordy

或者只需解析文件并将用户ID存储在int数组中。 - Joey

@Joey 哎呀！现在看起来那似乎很明显了。 - gordy

0

原帖中提到：“我知道那个大文本文件中用户ID的总数”。将其称为N。

生成1到N之间的随机数。
读取行（使用BufferedReader），直到达到第N行。
完成

- Keith

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Gauthier Boaglio · Accepted Answer

您可以这样做：

获取文件的大小（以字节为单位）
选择一个字节（在 [0..file.length()] 中随机选择的数字 - 使用 RandomAccessFile）
定位到文件中该位置（file.seek(number)）
定位到下一个 \n 字符后面的位置（file.seek(1)）
读取行（file.readLine()）

例如...

这样您就不需要存储任何内容。

理论上的示例代码可能如下所示（包含一些副作用）：

File f = new File("D:/abc.txt");
RandomAccessFile file;
try {
    file = new RandomAccessFile(f, "r");
    long file_size = file.length();
    long chosen_byte = (long)(Math.random() * file_size);

    file.seek(chosen_byte);

    for (;;)
    {
        byte a_byte = file.readByte();
        char wordChar = (char)a_byte;
        if (chosen_byte >= file_size || wordChar == '\n' || wordChar == '\r' || wordChar == -1) break;
        else chosen_byte += 1;
        System.out.println("\"" + Character.toString(wordChar)  + "\"");
    }

    int chosen = -1;
    if (chosen_byte < file_size) 
    {
        String s = file.readLine();
        chosen = Integer.parseInt(s);
        System.out.println("Chosen id : \"" + s  + "\"");
        }
    } catch (FileNotFoundException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }
}

编辑: 理论上完美工作的类

import java.io.File;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.RandomAccessFile;


public class Main {

    /**
     * WARNING : This piece of code requires that the input file terminates by a BLANK line !
     * 
     * @param args
     * @throws Exception 
     */
    public static void main(String[] args) throws Exception {

        File f = new File("D:/abc.txt");
        RandomAccessFile file;

        try {

            file = new RandomAccessFile(f, "r");
            long file_size = file.length();

            // Let's start
            long chosen_byte = (long)(Math.random() * (file_size - 1));
            long cur_byte = chosen_byte;

            // Goto starting position
            file.seek(cur_byte);

            String s_LR = "";
            char a_char;

            // Get left hand chars
            for (;;)
            {
                a_char = (char)file.readByte();
                if (cur_byte < 0 || a_char == '\n' || a_char == '\r' || a_char == -1) break;
                else 
                {
                    s_LR = a_char + s_LR;
                    --cur_byte;
                    if (cur_byte >= 0) file.seek(cur_byte);
                    else break;
                }
            }

            // Get right hand chars
            cur_byte = chosen_byte + 1;
            file.seek(cur_byte);
            for (;;)
            {
                a_char = (char)file.readByte();
                if (cur_byte >= file_size || a_char == '\n' || a_char == '\r' || a_char == -1) break;
                else 
                {
                    s_LR += a_char;
                    ++cur_byte;
                }
            }

            // Parse ID
            if (cur_byte < file_size) 
            {
                int chosen_id = Integer.parseInt(s_LR);
                System.out.println("Chosen id : " + chosen_id);
            }
            else
            {
                throw new Exception("Ran out of bounds. But this usually never happen...");
            }

        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

}

希望这个实现不会太错（我现在更多地用C++）…