㈠ 100W個無序數據,找出前100個最小的,怎麼做效率最高呢
用快速排序法對數據進行升序排序，當劃分值為第k小時，停止排序，此時劃分值左邊的數據包括劃分值就是最小的k個數。
㈡ Mysql 300百萬條以上記錄分組統計怎麼提高效率
可直接用嵌套查詢。
方法如下：
如數據：
id name
1 a
1 b
2 c
2 d
3 e
3 f
3 g
3 h
select count(t.counts) from
(select id,count(*) counts from 表名 group by id) t
㈢ sql server百萬級的數據，如何提高查詢效率
百萬級的數據對sqlserver來說並不算大，只要資料庫結構設計合理、sql指令合理，效率不會太差。
1.充分利用索引
2.盡量減少運算
3.盡量減小執行初期的數據量
4.減小循環
......
㈣ 在java中 我select表裡面的數據，select的數據量大概百萬條，然後我for循環，get（i），怎麼提高效率
這只能在資料庫上面做手腳，例如使用MySQL作為資料庫，查詢時，使用分頁方式實現，減少單位時間的數據總量。
㈤ 百萬級數據更新使用oracle資料庫如何增加效率
批量更新和提交，比如更新1000條數據提交一次。如果更新完了再一起提交，會很慢很慢的~~
㈥ 如何提高上百萬級記錄MySQL資料庫查詢速度
先安裝 Apache Spark，查詢資料庫的速度可以提升10倍。
在已有的 MySQL 伺服器之上使用 Apache Spark （無需將數據導出到 Spark 或者 Hadoop 平台上），這樣至少可以提升 10 倍的查詢性能。使用多個 MySQL 伺服器（復制或者 Percona XtraDB Cluster）可以讓我們在某些查詢上得到額外的性能提升。你也可以使用 Spark 的緩存功能來緩存整個 MySQL 查詢結果表。
思路很簡單：Spark 可以通過 JDBC 讀取 MySQL 上的數據，也可以執行 SQL 查詢，因此我們可以直接連接到 MySQL 並執行查詢。那麼為什麼速度會快呢？對一些需要運行很長時間的查詢（如報表或者BI），由於 Spark 是一個大規模並行系統，因此查詢會非常的快。MySQL 只能為每一個查詢分配一個 CPU 核來處理，而 Spark 可以使用所有集群節點的所有核。在下面的例子中，我們會在 Spark 中執行 MySQL 查詢，這個查詢速度比直接在 MySQL 上執行速度要快 5 到 10 倍。
另外，Spark 可以增加「集群」級別的並行機制，在使用 MySQL 復制或者 Percona XtraDB Cluster 的情況下，Spark 可以把查詢變成一組更小的查詢（有點像使用了分區表時可以在每個分區都執行一個查詢），然後在多個 Percona XtraDB Cluster 節點的多個從伺服器上並行的執行這些小查詢。最後它會使用map/rece 方式將每個節點返回的結果聚合在一起形成完整的結果。
㈦ 要處理幾萬行EXCEL數據，如何能提高效率
按住<Ctrl>鍵然後用滑鼠拖選區域，可以同時選中多個非連續的單元格區域。這樣選定的多個非連續區域稱之為【多重選定區域】，多重選定區域通常情況下不能進行整體的復制和剪切操作(同行同列的除外)，但是可以進行數據輸入、設置格式等基本操作。
選取第一個單元格，然後按住<Shift>再選取第二個單元格，就可以選中以這兩個單元格為首尾的矩形區域。
㈧ 在幾百萬條數據中用多個like怎麼要提高效率
like '%張三%'全表掃描就是慢，而且不走索引，可以試試 like '張三%'
㈨ sql server百萬級的數據，如何提高查詢效率
沒有太好的辦法，哪怕千萬級的，查詢也還是那麼查，
唯一能做的，就是盡量增加限制條件，篩選數據，節約時間和資源。
㈩ 如何快速處理一張有100萬條數據的excel表
1、打開文件中有商品名稱、單價、數量及金額，通常我們要做的是在每一項商品里錄入單價和需要的數量，然後計算金額。我們可以利用excel表格裡面的運算公式，讓軟體自動計算出每一項金額，我們要做就是確保：單價和數量的正確。
