请问数据库二级制形式字段存储的统计方式

请教数据库二级制形式字段存储的统计方式？
场景如下：
假设有A,B,C,D,E5种东西，每种有两种状态0,1.如此形成一系列组合，以二进制形式表示如下：
11111
10000
11000
11100
11000
10001
...
...
...
现问题是如何以最快效率统计出每种二进制形式出现的次数？
如果不考虑遍历，从集合运算，位运算考虑，有什么好的算法？
假设表中的记录数为1亿，提供的算法需要考虑效率。

用c语言实现或者数学集合运算形式也可。

提供思路也可。

谢谢。
[解决办法]
浪费一点点内存没关系吧。计算各个位上是1的个数就成。

int Count[0x20] = {0};
for (int i = 0; i < Length; ++i)//Length是数据的条数
{
    ++Count[Value[i] & 0x10];
    ++Count[Value[i] & 0x08];
    ++Count[Value[i] & 0x04];
    ++Count[Value[i] & 0x02];
    ++Count[Value[i] & 0x01];
}
printf_s("1:%d\n2:%d\n3:%d\n4:%d\n5:%d\n", Count[0x01], Count[0x02], Count[0x04], Count[0x08], Count[0x10]);

[解决办法]
那就更简单了。根据东西的种类来计数就成。但这种算法如果东西的种类太多就有些麻烦。
能说说东西种类最多有几种吗？

int Count[0x20] = {0};
for (int i = 0; i < Length; ++i)//Length是数据的条数
{
    ++Count[Value[i]];
}

[解决办法]
感觉你陷入纠结中。帮你总结一下：
1、不管用什么方法，都需要从头到尾算一遍。而顺序计算，编译程序可以很好地优化，效率是很高的。你提到的什么矩阵去处、二进制位运算，也都需要从头到尾取一遍数据吧；
2、考虑一下，是否需要每次更新都要从头计算呢？是不是可以在以前的结果上计算新的数据？
下面是一种常见的，在以前基础上更新数据的场景和方法：
如果可以掌握数据的增、减，先把基准的计数做好，保存起来。
增加、减少记录时，相应变更对应的计数值就行，不必每次从头算一遍。

一开始算好 Count[0x200]个计数值。
当有一条记录xValue减少时，就--Count[xValue]
当有一条记录yValue增加时，就++Count[xValue]
当有一条记录从aValue变更为bValue时，相当于减少aValue、增加bValue
--Count[aValue];++Count[bValue];

我在做项目时的一个准则，供参考：
不要刻意从代码上追求效率；
算法的选择，才是决定效率的关键。
[解决办法]

引用:

引用:那就更简单了。根据东西的种类来计数就成。但这种算法如果东西的种类太多就有些麻烦。
能说说东西种类最多有几种吗？
C/C++ code?12345int Count[0x20] = {0};for (int i = 0; i < Length; ++i)//Length是数据的条数{    ++Count[Value[i]];}
……

1. 一共最多有2^5=32种取值，即形如：
    00000
   00001
    ......
   11111

2. 定义一个一位数组，长度为32

3. 遍历那1亿个组合，并同时更新2中数组里相应的元素。
    
注意：
a. 遍历是必须的;
b. 这种遍历是线性的，应该没有比这个更快了，即如果遍历10万个数据是1ms的话，那么遍历1亿个数据基本上应该是（1亿/10万）ms
c. 具体到楼主的这个问题，完全可以采用并行遍历，比如用10台机器每台机器遍历1千万，最后将每台机器的结果相加就OK了，这样速度可以提高10倍，一次类推。

查看更多 下一篇