多线程处理海量数据的解决方案

背景：

　　近期发现系统数据有不准确的现象发生，究其原因是因为上有数据导致的，而由于上游有多个渠道组成，所以无法要求上游统一修复数据。所以只能自己想办法每天修复错误数据。

初步解决方案：

　　1，从商城库存那边拿到所有SKU+库存的信息。

　　2，通过拿到的SKU+库存信息，修复现有的数据。

遇到的问题：

　　1，库存那边的数据是以SKU+仓库id+配送中心id为维度，但是我们这边需要的是SKU+ORG维度。

　　2，全量库存数据有1.2个亿。

解决办法：

　　1，先把库存的原始数据（SKU+仓库ID+配送中心id）数据落地。

　　2，将原始数据清洗为SKU+ORG维度。

　　3，将清洗好的数据中过滤掉，不需要的库存信息。

　　4，开启多个多线程同时修复数据。

 

多线程部分：

　　共同时开启4个线程（0、1、2、3），用SKU_ID对4取模

　　也就是说：

　　线程0处理的数据范围为：SKU_ID%4=0 的数据。

　　线程1处理的数据范围为：SKU_ID%4=1 的数据。

　　线程2处理的数据范围为：SKU_ID%4=2 的数据。

　　线程3处理的数据范围为：SKU_ID%4=3 的数据。

 

每个线程，每次再分页处理数据，即可。经过尝试，1.2个亿的数据分4个线程大概半个小时，即可处理完。