[发明专利]一种采用分区定位进行手机号统计及应用的方法

说明书

本发明提供一种采用分区定位进行手机号统计及应用的方法，包括：S1、系统初始化；S2、设置统计值；S3、获取统计值，采用本发明，由于进行的多级分区，在统计海量手机号，可以根据需要动态的增加统计所需要的内存；特别是在统计不是所有号段的手机号码时候，相对于bitmap方式在没有需要统计的号码，则不会消耗对应的内存值，也可以避免以hashmap方式带来的额外巨大开销；以本发明的方式进行统计，在需要统计40亿个号码每个号码发生的次数时，仅仅需要消耗3870MB左右的内存，是以hashmap的方式的10分之一，如果号码量增减，本发明采用的方式不会导致内存再继续增减，而其他方式会导致内存继续增减；因为统计和获取值都是通过简单的计算定位而得，能满足快速操作的需要。

技术领域

本发明涉及内存数据存取处理技术领域，特别是涉及一种采用分区定位进行手机号统计及应用的方法，是在内存中对海量手机号进行统计以及对统计结果进行利用的方法，进一步可以扩展为在内存中对海量数字类型的数据进行统计即利用的方法。

背景技术

在涉及到手机号的信息处理系统中，当业务系统针对手机号进行相关的统计以及根据统计结果进行应用处理的时候，如果仅仅是统计手机号是否出现过，目前国内所有的手机号应该有40亿条左右，现有技术最优方式一般采用bitmap的方式进行处理，而bitmap的方式需要构造一个或多个非常合适的映射函数，才能够保证40亿个号码在一个合适的bitmap中，极端最好情况下是40亿个手机号正好装满整个bitmap而不多余一位，此时需要477MB大小的bitmap容器才足够容纳，极端最坏情况下是所有号码段的号码(70亿个号码)都需要构造出来，此时需要835MB大小的bitmap容器才足够容纳。由于统计手机号的随机性，最终统计结果需要消耗的内存往往接近于最坏情况。

上述方法仅仅是统计手机号是否出现过，一旦业务需要统计的是所有手机号在业务中发生的次数，则上述bitmap方法就不能够使用。常规做法是以hashmap等方式进行处理，hashmap的键为统计的手机号，值为该手机号发生的次数，以此方式记录，即使键只占用4个字节(总共40亿个值，最少需要4个字节才能表示完全)，值只占用1个字节，则40亿个手机号就需要高达19074MB的内存消耗，如果再加上hasmap必须的额外辅助开销，则整个内存消耗是无法承受的。

由于业务中需要在内存中进行手机号的统计及应用处理，又由于手机号出现的随机性，因此在统计的时候，就不能以顺序的方式进行表达处理，如果在业务需要快速统计的情况下，采用hashmap等常规统计记录方式，则在需要对海量手机号进行统计的时候，需要巨大的内存消耗。而如果以其他方式处理，则在统计及获取性能上不能满足业务要求。

发明内容

本发明目的在于提供一种采用分区定位进行手机号统计及应用的方法，在内存中针对海量手机号以少量内存消耗进行快速索引统计并对统计结果进行利用的方法，对海量手机号快速统计每个手机号出现的总次数；进而可扩展为对海量数字类型的数据进行快速索引统计并利用的方法。

为了达到以上目的，采用以下技术方案：根据手机号的特点，对所有可能的手机号进行多级分区划分，以保证所有合法的手机号都会被包含在整个分区划分中的某一个分区中，分区级数及每级分区个数，由确定的分区方式固定；

每一个具体的分区在该分区有数据需要记录的时候才动态产生，如果该分区中没有统计的数据记录，则该分区为空，不消耗具体的内存空间。分区中具体记录的值，根据需要统计的每一个手机号的数量确定采用bit、Byte等记录方式，比如，仅仅统计手机号是否出现过，则分区值为bit，如果统计的每个手机号可能的次数，而该次数最大值不大于256，则分区值采用Byte记录。

给定一个待统计的手机号，根据分区的定义方式，由该手机号计算出该手机号应该在的分区；判断该分区是否存在，如果不存在，则立即生成该分区；根据该手机号计算出该手机号在该分区中的内部位置，判断该分区内部位置的值，如果原来没有值则在该位置设置需要的值，如果已经有值，则在该位置设置原值加需要新设置的值。