数据处理工作总结(3)

篇四：数据处理工作总结——处理海量数据的经验和技巧

    一、数据量过大，数据中什么情况都可能存在。
    如果说有10条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数据上到千万级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题，尤其在程序处理时，前面还能正常处理，突然到了某个地方问题出现了，程序终止了。
    二、软硬件要求高，系统资源占用率高。
    对海量的数据进行处理，除了好的方法，最重要的就是合理使用工具，合理分配系统资源。一般情况，如果处理的数据过tb级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，不过也必须加大cpu和内存，就象面对着千军万马，光有勇气没有一兵一卒是很难取胜的。
    三、要求很高的处理方法和技巧。
    这也是本文的写作目的所在，好的处理方法是一位工程师长期工作经验的积累，也是个人的经验的总结。没有通用的处理方法，但有通用的原理和规则。
    下面我们来详细介绍一下处理海量数据的经验和技巧：
    一、选用优秀的数据库工具
    现在的数据库工具厂家比较多，对海量数据的处理对所使用的数据库工具要求比较高，一般使用oracle或者db2，微软公司最近发布的sql server 2005性能也不错。另外在bi领域：数据库，数据仓库，多维数据库，数据挖掘等相关工具也要进行选择，象好的etl工具和好的olap工具都十分必要，例如informatic，eassbase等。笔者在实际数据分析项目中，对每天6000万条的日志数据进行处理，使用sql server 2000需要花费6小时，而使用sql server 2005则只需要花费3小时。
    二、编写优良的程序代码
    处理数据离不开优秀的程序代码，尤其在进行复杂数据处理时，必须使用程序。好的程序代码对数据的处理至关重要，这不仅仅是数据处理准确度的问题，更是数据处理效率的问题。良好的程序代码应该包含好的算法，包含好的处理流程，包含好的效率，包含好的异常处理机制等。
    三、对海量数据进行分区操作
    对海量数据进行分区操作十分必要，例如针对按年份存取的数据，我们可以按年进行分区，不同的数据库有不同的分区方式，不过处理机制大体相同。例如sql server的数据库分区是将不同的数据存于不同的文件组下，而不同的文件组存于不同的磁盘分区下，这样将数据分散开，减小磁盘i/o，减小了系统负荷，而且还可以将日志，索引等放于不同的分区下。
    四、建立广泛的索引
    对海量的数据处理，对大表建立索引是必行的，建立索引要考虑到具体情况，例如针对大表的分组、排序等字段，都要建立相应索引，一般还可以建立复合索引，对经常插入的表则建立索引时要小心，笔者在处理数据时，曾经在一个etl流程中，当插入表时，首先删除索引，然后插入完毕，建立索引，并实施聚合操作，聚合完成后，再次插入前还是删除索引，所以索引要用到好的时机，索引的填充因子和聚集、非聚集索引都要考虑。
    五、建立缓存机制
    当数据量增加时，一般的处理工具都要考虑到缓存问题。缓存大小设置的好差也关系到数据处理的成败，例如，笔者在处理2亿条数据聚合操作时，缓存设置为100000条/buffer，这对于这个级别的数据量是可行的。