在 clojure 中懒惰地合并（分组）巨大的序列

Question

示例：

我们有两个通过读取 csv 创建的时间序列惰性地图序列。这两个惰性序列在不同的日期开始：

INPUT
 lazy-seq1
  ({:date "20110515" :val1 123}
   {:date "20110516" :val1 143}
   {:date "20110517" :val1 1153} ...)
 lazy-seq2
  ({:date "20110517" :val2 151}
   {:date "20110518" :val2 1330} ...)
EXPECTED OUTPUT
 lazy-seq3 
  ({:date "20110515" :vals {:val1 123}}
   {:date "20110516" :vals {:val1 143}}
   {:date "20110517" :vals {:val1 1153 :val2 151}}
   {:date "20110518" :vals {:val1 ... :val2 1330}}
  ...))

准确地说，:date 的类型不是字符串，而是 clj-time 强制转换的 Jodatime 并且 :date 为每个序列排序。

首选将使用group-by函数，但我猜这不能创建lazy-seq。我相信 group-by 需要热切的评估。

第二个选择是使用 partition-by 函数，但我无法将其应用于我的 INPUTS，因为我缺乏闭包技巧。

输入序列非常大（每个序列约 1GB），我想一次计算许多（约 100 个）序列。所以，我想要延迟评估以避免内存不足错误。

Answer 1

如果您的项目按日期排序，您可以轻松地对它们进行惰性合并（就像在合并排序算法中一样）：

(defn merge-lazy [seq1 seq2]
  (cond (empty? seq1) seq2
        (empty? seq2) seq1
        (< (Integer/parseInt (:date (first seq1)))
           (Integer/parseInt (:date (first seq2)))) (cons (first seq1)
                                                      (lazy-seq (merge-lazy (rest seq1) seq2)))
        :else (cons (first seq2) (lazy-seq (merge-lazy seq1 (rest seq2))))))

它将产生一个按日期排序的惰性序列：

user> (def seq1
        '({:date "20110515" :val1 123}
          {:date "20110516" :val1 143}
          {:date "20110517" :val1 1153}))
#'user/seq1
user> (def seq2 '({:date "20110517" :val2 151}
                  {:date "20110518" :val2 1330}))

user> (merge-lazy seq1 seq2)
({:date "20110515", :val1 123} {:date "20110516", :val1 143} 
 {:date "20110517", :val2 151} {:date "20110517", :val1 1153} 
 {:date "20110518", :val2 1330})

然后您可以按日期对生成的惰性序列进行分区（这也会产生一个惰性序列）：

user> (partition-by :date (merge-lazy seq1 seq2))
(({:date "20110515", :val1 123}) 
 ({:date "20110516", :val1 143}) 
 ({:date "20110517", :val2 151} {:date "20110517", :val1 1153})
 ({:date "20110518", :val2 1330}))

所以你接下来要做的就是用 map

处理每个组

如果你有更多的输入序列，你可以使用相同的策略，只需重写 merge-lazy with variable args (or just reduce with merge-lazy: (reduce merge-lazy sequences) this也会产生一个惰性序列的合并）

在 clojure 中懒惰地合并（分组）巨大的序列

Merge (group-by) huge sequences lazily in clojure

merge

clojure

data-conversion

lazy-sequences