本节介绍在处理海量数据时常用的一些技巧。

对海量数据进行分区操作。对海量数据进行分区操作十分有必要，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SQL Server的数据库分区是将不同的数据存在于不同的文件组下，而不同的文件组存在于不同的磁盘分区下，这样将数据分散开，减小磁盘I/O，减小系统负荷，而且可以将日志、索引存放于不同的分区下。

提高硬件条件，增加CPU和内存。处理海量数据，必须考虑硬件条件，使用高配置的服务器。硬件条件包括加大内存，加入更多、更强劲的CPU，加大硬盘空间等。比如：在处理2TB数据时，如果使用的是4个CPU，16GB内存，可能会发现出现内存不足现象，需要进行其他方面的优化，如果这时没有足够的硬件条件做支撑，结果可想而知。

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。比如：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P4 2.4G的CPU，对这么大的数据量进行聚合操作是有问题的，可能提示内存不足，可采用加大虚拟内存的方法来解决，在6块磁盘分区上分别建立6个4096MB的磁盘分区，用于虚拟内存，这样虚拟的内存则增加为4096MB*6+1024MB=25600MB，可解决数据处理中的内存不足问题。

分批处理。海量数据处理难是因为数据量大，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，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，不致面对大数据量带来的问题。但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。不过一般按天、月、年等存储的数据，都可以采用先分后合的方法，对数据进行分开处理。

使用临时表和中间表。数据量增加时，处理中要考虑提前汇总。这样做的目的是化整为零，大表变小表，分块处理完成后，再利用一定的规则进行合并，处理过程中的临时表的使用和中间结果的保存都非常重要，对于超海量的数据，如果大表处理不了，只能拆分为多个小表。如果处理过程中需要多步汇总操作，可按汇总步骤一步步来，不要一条语句完成，一口气吃成一个胖子。

优化查询SQL语句。在对海量数据进行查询处理过程中，查询的SQL语句的性能对查询效率的影响是非常大的，编写高效优良的SQL脚本和存储过程是数据库工作人员的职责，也是检验数据库工作人员水平的一个标准，在对SQL语句的编写过程中，例如减少关联，少用或不用游标，设计高效的数据库表结构等十分必要。比如：如果对1亿行的数据使用游标，运行3个小时可能都不会有结果，这时一定要改用程序处理。

部分文件可以使用文本格式进行处理。对一般的数据处理可以使用数据库，如果对复杂的数据处理，必须借助程序，那么在程序操作数据库和程序操作文本之间选择，是可以选择程序操作文本的。原因是：程序操作文本速度快；对文本进行处理不容易出错；文本的存储不受限制等。例如，一般海量的网络日志都是文本格式或者csv格式（文本格式），对它进行处理牵扯到数据清洗，可以利用程序进行处理，无需导入数据库再做清洗。

定制强大的清洗规则和出错处理机制。海量数据中存在着不一致性，极有可能出现某处的瑕疵。例如，同样数据中的时间字段，有的可能为非标准的时间，出现的原因可能为应用程序的错误、系统的错误等。在进行数据处理时，必须制定强大的数据清洗规则和出错处理机制。

建立视图或者物化视图。视图中的数据来源于基表，对海量数据的处理，可以将数据按一定的规则分散到各个基表中，查询或处理过程中可以基于视图进行，这样分散了磁盘I/O，正如10根绳子吊着一根柱子和一根绳子吊着一根柱子的区别。

避免使用32位服务器（极端情况）。目前的计算机很多都是32位的，那么编写的程序对内存的需要便受限制，而很多的海量数据处理是必须大量消耗内存的，这便要求性能更好的服务器，其中对位数的限制也十分重要。

考虑操作系统问题。海量数据处理过程中，除了对数据库、处理程序等要求比较高以外，对操作系统的要求也放到了重要的位置，一般是必须使用服务器的，而且对系统的安全性和稳定性等要求也比较高。尤其对操作系统自身的缓存机制、临时空间的处理等问题都需要综合考虑。

使用数据仓库和多维数据库存储。数据量加大是一定要考虑OLAP的，传统的报表可能五六个小时出结果，而基于Cube的查询可能只需要几分钟，因此处理海量数据的利器是OLAP多维分析，即建立数据仓库，建立多维数据集，基于多维数据集进行报表展现和数据挖掘等。

使用采样数据进行数据挖掘。基于海量数据的数据挖掘正在逐步兴起，面对超海量的数据，一般的挖掘软件或算法往往采用数据抽样的方式进行处理，这样的误差不会很大，大大提高了处理效率和处理的成功率。一般采样时要注意数据的完整性，防止过大的偏差。如果对1.2亿行表数据进行采样，抽取出400万行，经测试软件测试处理的误差在5‰左右，客户可以接受。

还有一些方法需要在不同的情况和场合下运用，例如使用代理键等操作，这样的好处是加快聚合时间，因为对数值型的聚合比对字符型的聚合快得多。类似的情况需要针对不同的需求进行处理。