根据数据大小选择算法。

发表道格·赫尔，，，，2012年8月21日

8次观看（最近30天）|0喜欢|2条评论

今天，我们将进一步研究Cypher算法，特别是该算法的随机性。有两种不同的分布需要查看：单个数字的分布（1,2,3,4）和Digrams的分布（[1,1]，[1,2]，[1,3]，[2,1]，[2,2]，…）。首先尝试是生成随机值的整个序列，然后进行这些分布计数。这很容易实施。但是，当随机值的数量必须超过10亿美元时，立即将很多记忆保持在记忆中会影响性能。提出了另一种方法。尽管此方法较慢（稍微），但它可以更好地缩放，并且可以处理第一个算法失败的计数。这里的一般课程是，当您处理大型数据集时，如果您不需要一次将其全部存储在内存中，则可能需要一定地将其进行。