数据员个人工作总结三篇

VIP专免

3.0 littered 2024-09-20 999+ 47.12KB 15 页 6贝壳海报

侵权投诉

数据员个人工作总结三篇

一、数据量过大，数据中什么情况都可能存在。

如果说有 10 条数据，那么大不了每条去逐一检查，人为处

理，如果有上百条数据，也可以考虑，如果数据上到千万级别，

甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行

处理，尤其海量的数据中，什么情况都可能存在，例如，数据中

某处格式出了问题，尤其在程序处理时，前面还能正常处理，突

然到了某个地方问题出现了，程序终止了。

二、软硬件要求高，系统资源占用率高。

对海量的数据进行处理，除了好的方法，最重要的就是合理

使用工具，合理分配系统资源。一般情况，如果处理的数据过 TB

级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，

不过也必须加大 CPU 和内存，就象面对着千军万马，光有勇气没

有一兵一卒是很难取胜的。

三、要求很高的处理方法和技巧。

这也是本文的写作目的所在，好的处理方法是一位工程师长

期工作经验的积累，也是个人的经验的总结。没有通用的处理方

法，但有通用的原理和规则。

下面我们来详细介绍一下处理海量数据的经验和技巧：

一、选用优秀的数据库工具

现在的数据库工具厂家比较多，对海量数据的处理对所使用

的数据库工具要求比较高，一般使用 Oracle 或者 DB2，微软公司

最近发布的 SQLServer20xx 性能也不错。另外在 BI 领域：数据

库，数据仓库，多维数据库，数据挖掘等相关工具也要进行选

择，象好的 ETL 工具和好的 OLAP 工具都十分必要，例如

Informatic，Eassbase 等。笔者在实际数据分析项目中，对每天

6000 万条的日志数据进行处理，使用 SQLServer20xx 需要花费 6

小时，而使用 SQLServer20xx 则只需要花费 3 小时。

二、编写优良的程序代码

处理数据离不开优秀的程序代码，尤其在进行复杂数据处理

时，必须使用程序。好的程序代码对数据的处理至关重要，这不

仅仅是数据处理准确度的问题，更是数据处理效率的问题。良好

的程序代码应该包含好的算法，包含好的处理流程，包含好的效

率，包含好的异常处理机制等。

三、对海量数据进行分区操作

对海量数据进行分区操作十分必要，例如针对按年份存取的

数据，我们可以按年进行分区，不同的数据库有不同的分区方

式，不过处理机制大体相同。例如 SQLServer 的数据库分区是将

不同的数据存于不同的文件组下，而不同的文件组存于不同的磁

盘分区下，这样将数据分散开，减小磁盘 I/O，减小了系统负

荷，而且还可以将日志，索引等放于不同的分区下。

四、建立广泛的索引

对海量的数据处理，对大表建立索引是必行的，建立索引要

考虑到具体情况，例如针对大表的分组、排序等字段，都要建立

相应索引，一般还可以建立复合索引，对经常插入的表则建立索

引时要小心，笔者在处理数据时，曾经在一个 ETL 流程中，当插

入表时，首先删除索引，然后插入完毕，建立索引，并实施聚合

操作，聚合完成后，再次插入前还是删除索引，所以索引要用到

好的时机，索引的填充因子和聚集、非聚集索引都要考虑。

五、建立缓存机制

当数据量增加时，一般的处理工具都要考虑到缓存问题。缓

存大小设置的好差也关系到数据处理的成败，例如，笔者在处理

2 亿条数据聚合操作时，缓存设置为 100000 条/Buffer，这对于这

个级别的数据量是可行的。

六、加大虚拟内存

如果系统资源有限，内存提示不足，则可以靠增加虚拟内存

来解决。笔者在实际项目中曾经遇到针对 18亿条的数据进行处

理，内存为 1GB，1 个 P42.4G 的 CPU，对这么大的数据量进行聚合

操作是有问题的，提示内存不足，那么采用了加大虚拟内存的方

法来解决，在 6 块磁盘分区上分别建立了6个4096M的磁盘分

区，用于虚拟内存，这样虚拟的内存则增加为

4096*6+1024=25600M，解决了数据处理中的内存不足问题。

七、分批处理

海量数据处理难因为数据量大，那么解决海量数据处理难的

问题其中一个技巧是减少数据量。可以对海量数据分批处理，然

后处理后的数据再进行合并操作，这样逐个击破，有利于小数据

量的处理，不至于面对大数据量带来的问题，不过这种方法也要

因时因势进行，如果不允许拆分数据，还需要另想办法。不过一

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

立即下载 VIP免费下载

标签： #总结 #工作总结 #个人

摘要：

数据员个人工作总结三篇一、数据量过大，数据中什么情况都可能存在。如果说有10条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数据上到千万级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题，尤其在程序处理时，前面还能正常处理，突然到了某个地方问题出现了，程序终止了。二、软硬件要求高，系统资源占用率高。对海量的数据进行处理，除了好的方法，最重要的就是合理使用工具，合理分配系统资源。一般情况，如果处理的数据过TB级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，不过也必须加大CPU...

展开>> 收起<<

数据员个人工作总结三篇.docx

共15页,预览5页

还剩页未读，继续阅读