Ruby on rails 我如何加快Ruby/Rake任务的速度，该任务统计30万个日期字符串中出现的日期？

我有一个300K字符串数组，表示日期：

date_array = [
  "2007-03-25 14:24:29",
  "2007-03-25 14:27:00",
  ...
]

我需要计算此数组中每个日期的出现次数（例如，“2011-03-25”的所有日期字符串）。确切的时间并不重要，只是日期。我知道文件中的日期范围。因此，我：

Date.parse('2007-03-23').upto Date.parse('2011-10-06') do |date_to_count|
  count = 0
  date_array.each do |date_string|
    if Date.parse(date_string) >= date_to_count && 
       Date.parse(date_string) <= date_to_count
      count += 1
    end
  end
  puts "#{date_to_count} occurred #{count} times."
end

Date.parse（'2007-03-23'）。update.parse（'2011-10-06'）do | Date|to|u count|
计数=0
日期数组。每个do |日期字符串|
如果Date.parse（Date\u string）>=Date\u to\u count&&
parse（Date\u string）这是一个非常糟糕的算法。您正在扫描每个日期的整个列表，而且，您在没有明显原因的情况下两次解析同一日期。这意味着对范围内的N个日期和列表中的M个日期进行N*M*2次日期解析

您真正需要的是使用
group\u by
并一次性完成：

dates = date_array.group_by do |date_string|
  Date.parse(date_string)
end

然后您可以将其用作计数的参考：

Date.parse('2007-03-23').upto Date.parse('2011-10-06') do |date_to_count|
  puts "#{date_to_count} occurred #{dates[date_to_count] ? dates[date_to_count].length : 0} times."
end

是的，如果日期的格式相同，则根本不需要解析日期。了解您的数据是您可以拥有的最强大的工具之一

如果datetime字符串的格式都相同（yyyy-mm-dd HH:mm:SS），则可以执行以下操作

data_array.group_by{|datetime| datetime[0..9]}

这将为您提供一个类似的哈希，其中日期字符串作为键，日期数组作为值

{
  "2007-05-06" => [...],
  "2007-05-07" => [...],
  ...
}

{
  "2007-05-06" => 123,
  "2007-05-07" => 456,
  ...
}

所以你必须得到每个数组的长度

data_array.group_by{|datetime| datatime[0..9]}.each do |date_string, date_array|
  puts "#{date_string} occurred #{date_array.length} times."
end

当然，当您不需要日期数组时，这种方法是在浪费内存

那你呢

一种更节省内存的方法

date_counts = {}
date_array.each do |date_string|
  date = date_string[0..9]
  date_counts[date] ||= 0 # initialize count if necessary
  date_counts[date] += 1
end

您将得到一个哈希，日期字符串作为键，计数作为值

{
  "2007-05-06" => [...],
  "2007-05-07" => [...],
  ...
}

{
  "2007-05-06" => 123,
  "2007-05-07" => 456,
  ...
}

将所有内容组合在一起

date_counts = {}
date_array.each do |date_string|
  date = date_string[0..9]
  date_counts[date] ||= 0 # initialize count if necessary
  date_counts[date] += 1
end

Date.parse('2007-03-23').upto Date.parse('2011-10-06') do |date_to_count|
  puts "#{date_to_count} occurred #{date_counts[date_to_count.to_s].to_i} times."
end

我同意。在我的笔记本电脑上解析30万个日期需要45秒。像这样切片需要0.12秒。哇。非常感谢你。0.48秒。这些计数器哈希的另一个技巧是：
date_counts=Hash.new{h，k{h[k]=0}
，它总是自动将任何键预初始化为零。如果你有创意的话，
Hash.new
的块可以做各种神奇的事情。这将确保始终定义请求的任何密钥，因此无需检查
nil
。感谢您的回答。它教会了我一些有用的东西。我同意向导的答案，因为在我的具体情况下，避免解析日期首先会使通用解决方案更快。完全不解析肯定是更好的解决方案。