㈠ 100W个无序数据,找出前100个最小的,怎么做效率最高呢
用快速排序法对数据进行升序排序，当划分值为第k小时，停止排序，此时划分值左边的数据包括划分值就是最小的k个数。
㈡ Mysql 300百万条以上记录分组统计怎么提高效率
可直接用嵌套查询。
方法如下：
如数据：
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百万级的数据，如何提高查询效率
百万级的数据对sqlserver来说并不算大，只要数据库结构设计合理、sql指令合理，效率不会太差。
1.充分利用索引
2.尽量减少运算
3.尽量减小执行初期的数据量
4.减小循环
......
㈣ 在java中 我select表里面的数据，select的数据量大概百万条，然后我for循环，get（i），怎么提高效率
这只能在数据库上面做手脚，例如使用MySQL作为数据库，查询时，使用分页方式实现，减少单位时间的数据总量。
㈤ 百万级数据更新使用oracle数据库如何增加效率
批量更新和提交，比如更新1000条数据提交一次。如果更新完了再一起提交，会很慢很慢的~~
㈥ 如何提高上百万级记录MySQL数据库查询速度
先安装 Apache Spark，查询数据库的速度可以提升10倍。
在已有的 MySQL 服务器之上使用 Apache Spark （无需将数据导出到 Spark 或者 Hadoop 平台上），这样至少可以提升 10 倍的查询性能。使用多个 MySQL 服务器（复制或者 Percona XtraDB Cluster）可以让我们在某些查询上得到额外的性能提升。你也可以使用 Spark 的缓存功能来缓存整个 MySQL 查询结果表。
思路很简单：Spark 可以通过 JDBC 读取 MySQL 上的数据，也可以执行 SQL 查询，因此我们可以直接连接到 MySQL 并执行查询。那么为什么速度会快呢？对一些需要运行很长时间的查询（如报表或者BI），由于 Spark 是一个大规模并行系统，因此查询会非常的快。MySQL 只能为每一个查询分配一个 CPU 核来处理，而 Spark 可以使用所有集群节点的所有核。在下面的例子中，我们会在 Spark 中执行 MySQL 查询，这个查询速度比直接在 MySQL 上执行速度要快 5 到 10 倍。
另外，Spark 可以增加“集群”级别的并行机制，在使用 MySQL 复制或者 Percona XtraDB Cluster 的情况下，Spark 可以把查询变成一组更小的查询（有点像使用了分区表时可以在每个分区都执行一个查询），然后在多个 Percona XtraDB Cluster 节点的多个从服务器上并行的执行这些小查询。最后它会使用map/rece 方式将每个节点返回的结果聚合在一起形成完整的结果。
㈦ 要处理几万行EXCEL数据，如何能提高效率
按住<Ctrl>键然后用鼠标拖选区域，可以同时选中多个非连续的单元格区域。这样选定的多个非连续区域称之为【多重选定区域】，多重选定区域通常情况下不能进行整体的复制和剪切操作(同行同列的除外)，但是可以进行数据输入、设置格式等基本操作。
选取第一个单元格，然后按住<Shift>再选取第二个单元格，就可以选中以这两个单元格为首尾的矩形区域。
㈧ 在几百万条数据中用多个like怎么要提高效率
like '%张三%'全表扫描就是慢，而且不走索引，可以试试 like '张三%'
㈨ sql server百万级的数据，如何提高查询效率
没有太好的办法，哪怕千万级的，查询也还是那么查，
唯一能做的，就是尽量增加限制条件，筛选数据，节约时间和资源。
㈩ 如何快速处理一张有100万条数据的excel表
1、打开文件中有商品名称、单价、数量及金额，通常我们要做的是在每一项商品里录入单价和需要的数量，然后计算金额。我们可以利用excel表格里面的运算公式，让软件自动计算出每一项金额，我们要做就是确保：单价和数量的正确。
