← 返回卡片

原书出处

大数据日知录_架构与算法

8 分布式文件系统

2014年9月第1版 · 核验版本的摘录快照 · 导入于 2026-10-24T04:14:12.124Z

重复层的含义是:某个数据项的全路径所在的重复层级。这从概念上不太好理解,我们用图8-20中的例子来说明。以Code这个字段为例,在网页r1 中有3处出现该字段的值:“en-us”、“en”这两个值出现在第1个Name字段中,“en-gb”出现在第3个Name字段中。重复层信息的引入就是为了鉴别其具体出现的位置。对于Code字段来说,其全路径为Name.Language.Code,其中Name和Language都是可重复的,所以对于Code字段的值来说,其重复层的可能取值范围为:[0, 1, 2]。 数值0代表这是网页中该字段第一次出现,用于区分不同网页内容;数值1代表与上个数据项比,这个数据项出现在同一个网页中,但是不同的Name下,1的含义是指两个可重复层级中,Name这个第1个层级是处于相同层级的;而数值2代表与上个数据项比,这个数据项出现在同一个网页的相同Name,不同Language下,即在Name.Language这两个重复层级是层级相同的。比如我们的程序在给网页r1 的Code字段进行列式存储并对重复层编码的时候,当遇到“en-us”,因为之前没有任何相同重复级别字段内容,所以设置其值为0,当遇到“en”的时候,其全路径中到Language这个层级都和“en-us”相同,所以其值为2,而当遇到“en-gb”的时候,因为与“en”比,在Name这个层级相同,而在Language这个层级已经不同了,所以设置其值为1。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大数据日知录_架构与算法/_epub-src/OEBPS/text00013.html

EPUB SHA-256:e45b74c4bdd8959aef24f2a5183280eb73ec5f173108f8679a4bbf44bbd5b34d