急!急!急,怎么样能最快速的判断大批量数据的剩余次数,具体请看需要,谢谢

lingwen20 2013-08-08 09:40:30
现在项目有需求如下:

数据结构:号码 次数,现在有1万个,如:0000 2次、0001 3次、0002 4次、0003 3次……,每个号码计数只能固定次数,如5次,如何最快速判断这批号码的每个剩余数:

1、每个号码的剩余次数等于限制次数-已存总数-重复出现次数,如果超过剩余数,则按剩余数存储;
2、现在采用多线程循环查询判断方式,瞬间查询数据库太频繁,有时需要好几分钟,如何优化;
3、是否有新的解决方案,判断时间能优化到20秒内可接受;



本项目是在手机上运行的个彩票投注系统,所以会涉及到大批量号码判断剩余注数情况,或者有什么新的思路和方案呢,希望各位大侠能指点迷津,非常感谢!
...全文
250 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
冰思雨 2013-08-09
  • 打赏
  • 举报
回复
我的QQ是 77046237 , 要是有时间,楼主加一下我。谢谢。 我是对彩票一窍不通,但是,对算法的兴趣还算可以。
lingwen20 2013-08-08
  • 打赏
  • 举报
回复
引用 1 楼 forgetsam 的回复:
做成内存表。
怎么做呢?因为这个系统是运行在Android平板端的,用的数据库是sqlite
forgetsam 2013-08-08
  • 打赏
  • 举报
回复
做成内存表。
lingwen20 2013-08-08
  • 打赏
  • 举报
回复
我现在用这种方式去解决: 先分组,按号码去分组查询出所有号码,扔在内存里,接着去起20个线程去内存里逐一匹配合适的。。。。 数据库, 只查询了一次,虽然会多,但是分组查询能快好多,关键是只查一次,余下的20个线程在判断 但是这20个线程去判断的时候还是有点卡,平均能在14-20秒判断出结果,不知道还能不继续优化
lingwen20 2013-08-08
  • 打赏
  • 举报
回复
引用 3 楼 preferme 的回复:
没玩过彩票,不熟悉应用场景。 想获得一条记录的剩余数,可以将剩余数做成一个字段,每次插入和更新的时候,都顺带更新; 这样就能迅速查询到剩余数了。
这个情况会有,但是现在是另一个场景,要提前就知道这一注号码是否可以下注,如果超注,当场就要告知用户无法下注的,现在是同时如果用户要下注1万注号码,要同一时间判断这个,所以比较费时,现在的多线程的方案不是很理想,应该说是糟糕的方式了
caofeng891102 2013-08-08
  • 打赏
  • 举报
回复
顶下。。
冰思雨 2013-08-08
  • 打赏
  • 举报
回复
没玩过彩票,不熟悉应用场景。 想获得一条记录的剩余数,可以将剩余数做成一个字段,每次插入和更新的时候,都顺带更新; 这样就能迅速查询到剩余数了。
内容概要:本文介绍了一个基于Python与RAG(检索增强生成)技术的博物馆展品智能问答系统的设计与实现。系统通过整合多源异构的展品资料,经过数据清洗、语义切分、向量化表示与FAISS索引构建知识库,结合混合检索与结果重排机制提升语义匹配精度,并在生成阶段引入严格的提示词约束,确保答案基于真实资料、避免事实性错误。系统采用模块化架构,涵盖数据采集、向量索引、检索重排、上下文构造、答案生成及服务治理各层,支持自然语言提问、上下文理解与引用溯源,具备高可解释性与可维护性,并通过FastAPI提供稳定接口服务。; 适合人群:具备一定Python编程基础,从事自然语言处理、知识库构建或智能问答系统开发的研发人员,以及博物馆信息化、数字人文领域的技术人员与研究人员。; 使用场景及目标:① 实现博物馆场景下高准确率、可追溯的智能问答服务,支持展品背景、用途、纹饰、历史关联等专业问题的精准回答;② 解决传统问答系统中存在的知识失真、语义理解偏差与资料碎片化问题,提升数字资源利用率与公众服务能力;③ 为数字博物馆、文化遗产传播等领域提供可扩展的技术框架与实践参考。; 阅读建议:此资源不仅提供完整的技术实现路径与部分代码示例,还深入剖析了项目挑战与解决方案,建议读者结合代码实践,重点关注数据清洗、混合检索、上下文构造与生成约束等关键环节,并可根据实际需求扩展多模态支持、多语言问答或与现有管理系统集成。
内容概要:本文围绕面向低碳经济运行目标的多微网能量互联优化调度问题展开深入研究,提出并实现了基于Matlab的优化调度模型与求解方法。研究构建了一个涵盖多种分布式能源、储能系统及多元负荷的多微网协同运行框架,综合考虑碳排放限额、电网交互成本、能源利用效率与系统可靠性等多重因素,建立了以最小化碳排放和运行成本为核心的多目标优化调度模型。通过引入先进的智能优化算法(如改进的灰狼优化算法、非支配排序蜣螂优化算法NSDBO等)对高维非线性模型进行高效求解,实现了多微网系统在复杂运行场景下的能量协同分配与全局最优调度。文中结合典型算例进行了仿真验证,结果表明所提模型与算法在降低系统碳排放强度、提升可再生能源消纳率和优化综合运行经济性方面具有显著优势与良好收敛性。; 适合人群:具备电力系统分析、能源互联网、优化算法或自动化控制等相关专业知识背景,从事新能源、微电网、综合能源系统、低碳调度等领域研究的硕士/博士研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多微网系统在低碳经济目标下的优化调度方案设计与仿真验证;②为综合能源系统中“源-网-荷-储”多主体协同优化提供可复现的模型架构与算法实现参考;③支持科研人员复现先进智能优化算法(如NSDBO、GWO等)并在此基础上开展算法改进与创新应用研究。; 阅读建议:读者应结合提供的Matlab代码,深入理解模型的数学推导、约束构建逻辑与算法实现细节,建议在掌握基本优化理论、电力系统运行原理和Matlab编程技能的基础上,动手运行代码,调整参数设置,尝试扩展模型结构或替换优化算法,以全面掌握多微网优化调度的核心机制与技术要点。

62,621

社区成员

发帖
与我相关
我的任务
社区描述
Java 2 Standard Edition
社区管理员
  • Java SE
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧