Question

我有大量的发票数据按发票日期排序。我想通过日期的某些功能来总结数据，例如：按月，季度等。由于数组非常大，我想利用多线程，并在不同的线程中并行处理数组的几个部分。

我正在寻找一种算法将数组拆分为N个块，尽可能大小相似，条件是数据中没有两个元素，日期转换函数会产生相同的结果两个不同的块。

因此，例如，如果我选择按月对其进行分区，则所有2014年11月的发票将由同一个帖子处理。

我只是想知道这是一个已知的名称问题，已经存在一个算法，这将使我免于重新发明轮子。

Answer 1

对于您的情况（和ANY），多个线程可能会或可能不会加速您的应用程序。这取决于众多因素。

话虽如此，一个常见的模式是拥有一堆worker threads in a pool。

伪代码应该是这样的：

while your array is not empty 
  if there is at least one idle worker
    pick one idle thread and process element 0 from the array
    Remove element 0 from the array
    Process the element
  else wait for a worker thread to be idle

我不会因为月份或类似情况而烦恼，因为它导致了其他问题，即你有几个月没有数据或数月有大量数据会扭曲并行性。

如果您真的想要排序，那么您的工作线程可以在正确的位置插入已处理的数据。但是请注意同步。如果你有一个运行上面的线程，你是正确的，但如果多个线程试图插入到“结果数组”中，那么你需要在插入之前锁定它

根据您的评论进行修改：

如果你真的想避免同步并认为让所有线程都写入同一个数组（某些语言可能不允许这样，真的不确定），那么将所有数据放在一个数组中，将数组拆分为N等于M长度的块。使用NxM存储桶创建结果数组，然后当您有空闲工作程序启动时，为其分配第N个块和第N个存储桶。

在执行结束时，您的数据将被分类并连续

如何在偶数块中拆分数组以进行并行处理

1 个答案: