如何解析特定的数据文件并对其内容进行集群？JAVA

我有一个文件，如下所示

150 event4
160 event4
160 event0
170 event4
175 event4
180 event4
190 event4
192 event3
195 event4
----------
----------

第一列是相应事件实际发生的时间（毫秒）。因此，事件4发生在150毫秒内

我有以下任务要做

逐行迭代

如果连续事件之间的间隔小于80 毫秒，它们是单个活动的序列

比如说

100 event4
120 event5 
140 event6
200 event4

它们都获得了不超过80毫秒的连续差分。 若差值超过80毫秒，则表示当前序列结束，新序列开始。 我的目标是对序列进行聚类。在不同的集群中报告特定事件的数量。因此，在集群1的以下示例中，事件4发生4次，事件5 1和事件6 1次。在第二个集群中，事件4 3次，事件5 1次

100 event4
120 event5 
140 event6
200 event4

300 event4
320 event4 
340 event4
400 event5

我现在做的是,

我列了一个字符串列表。我解析文件，并测量间隙 线之间，如果小于80毫秒，我将它们添加到 名单

当我发现一个间隔超过80毫秒的事件时 停止添加并为下一个序列创建新列表

在不同的列表中有了所有的序列之后，我再遍历 通过列表来衡量特定事件的数量

我不知道这是不是一个有效的方法。我有一些问题

• 我不知道那里有多少个序列簇，所以数字 我想要存储特定集群的列表数量不是固定的
• 事件名称不是固定的。它可以是event1到event100或event 1至45。因此，用于存储事件编号的变量数量不是 也修复了

---

那么，你们还有什么好主意吗？

这不是科学上所谓的“集群”，而是分组或聚合。除非时间间隔太长，否则将聚合事件

至于方法，您正在追求规范方法。除非您的数据已经在一个复杂的数据库索引中，否则您不能做得比线性更好。只要它是一个文本文件，除了线性读取外，没有其他方法

至于数据结构，将其组织为

ArrayList

或

ArrayList

，没有什么错，因为事件ID是字符串。内存需求应适中，并可扩展到千兆字节。如果遇到内存问题，请尝试维护

HashSet

，以仅保留每个事件字符串的一个副本，并将时间转换为数字数据类型。然后，当事件数量不足时，您应该能够加载几个GB

---

实际上，我看不出这里有什么大的挑战。

您的方法听起来一般都不错，但如果没有看到您的代码，就很难判断您是否正确实现了它。如果您只想“测量特定事件的数量”，您可能不需要实际将所有数据点存储在内存中，您可以处理每个组，然后将其丢弃。@JimGarrison实际上我还没有实现代码，只是分享了我的想法。感谢您的回复，我使用的数据结构或多或少是相同的。我只是想再想想是否能更好。