我有一个大小约为50GB的存档文件。
每周,我必须使用CSV文件并将其与非常大的50GB CSV文件合并。
我是Go的新手,并且希望Go中有一个很好的解决方案。
文件如下:
"a:123", 101010
"b:123", 101010
"some-key-here:123", 101010
"some-key-here:234", 101010
答案 0 :(得分:0)
虽然我没有自己编译来检查,但是一旦你实现compare()
功能,这应该做你想要的。它本质上是Mergesort算法的“合并”步骤。由于您已经按排序顺序获得了这两个文件,因此您只需要合并步骤,这可以以流方式完成。
package main
import (
"encoding/csv"
"io"
"log"
"os"
)
const outFile = "your/output/file/path.ext"
func main() {
// make sure there are only 2 args
if len(os.Args) != 3 {
log.Panic("\nUsage: command file1 file2")
}
// open the first file
f1, e := os.Open(os.Args[1])
if e != nil {
log.Panic("\nUnable to open first file: ", e)
}
defer f1.Close()
// open second file
f2, e := os.Open(os.Args[2])
if e != nil {
log.Panic("\nUnable to open second file: ", e)
}
defer f2.Close()
// create a file writer
w, e := os.Create(outFile)
if e != nil {
log.Panic("\nUnable to create new file: ", e)
}
defer w.Close()
// wrap the file readers with CSV readers
cr1 := csv.NewReader(f1)
cr2 := csv.NewReader(f2)
// wrap the out file writer with a CSV writer
cw := csv.NewWriter(w)
// initialize the lines
line1, b := readline(cr1)
if !b {
log.Panic("\nNo CSV lines in file 1.")
}
line2, b := readline(cr2)
if !b {
log.Panic("\nNo CSV lines in file 2.")
}
// copy the files according to similar rules of the merge step in Mergesort
for {
if compare(line1, line2) {
writeline(line1)
if line1, b = readline(cr1); !b {
copy(cr2, w)
break
}
} else {
writeline(line2)
if line2, b = readline(cr2); !b {
copy(cr1, w)
break
}
}
}
// note the files will be closed here, since we defered it above
}
func readline(r csv.Reader) ([]string, bool) {
line, e := r.Read()
if e != nil {
if e == io.EOF {
return nil, false
}
log.Panic("\nError reading file: ", e)
}
return line, true
}
func writeline(w csv.Writer, line []string) {
e := w.Write(line)
if e != nil {
log.Panic("\nError writing file: ", e)
}
}
func copy(r csv.Reader, w csv.Writer) {
for line, b := readline(r); !b; r, b = readline(r) {
writeline(w, line)
}
}
func compare(line1, line2 string) bool {
/* here, determine if line1 and line2 are in the correct order (line1 first)
if so, return true, otherwise false
*/
}
注意:此答案经过大量编辑,包含代码内联而非链接。此外,自我的初稿以来,代码已得到显着改善,但由于此处没有任何活动,我只是吹走旧版本并重写我的答案。
答案 1 :(得分:0)
如果两个文件是单独排序的,那么您可以使用合并排序的合并功能将它们组合成一个排序数组。
通过数组,我的意思是我们可以使用另一个CSV文件来动态编写已排序的数据。