第445章 最初，他们只是不信他是秦始皇(3/8)

首发：~第445章 最初，他们只是不信他是秦始皇

速度快到夸张。

只是扫了一眼，他就发现，没问题。

至少是日志绝对显现不出来的问题。

没办法了，他只能再自己手动跑一遍测试了。

调出唐一平提交的代码，导入了由他提供的那个数据量为50万的学生档案测试集。

这是一个巨大的csv文档，整体大小大概500M。

陈雁行自己估算过，如果把这些文本文档，转成资料库的格式，理论数据量应该是50M左右。

这是其有效熵值转换成的比特数，也就是这个测试集本身蕴含的信息的比特数。

但是这种单纯的数据是不能使用和检索的，所以才会有「资料库」这种东西，把信息编码索引，安排好位置。

换言之，单纯的信息就像是无数的人，资料库就是盖上一栋大楼，把他们放进各自的房间。

这就要在本身的数据基础上，加上B—tree或者其他tree的索引、哈希表等等，就像是楼梯楼层和门牌号。

通常来说，这些数据转换成资料库格式之后，整体数据量大概在200M—300M。

这大概就是地榜排名前几的水平，其实能做到这个数量级就已经很强了。

但但如果是天榜的话，目前已经强到离谱了。

譬如现在焦灼在天榜前列的两个ID：「递归之梦」和「等待戈多」，已经把这个数据压缩到了130M左右。

在这个数据集上，已经可以和商用资料库相媲美，甚至在某些方面犹有过之了，当然，也不同程度的呈现出了过拟合，算是针对性优化。

陈雁行把自己的数据集导入了唐一平的项目里。

导入的速度很快，而且CPU占用率很高，几乎是瞬间拉满，然后导入完成。

陈雁行再次跑了一遍测试流程。

测试结果一行行的输出，和陈雁行在日志里面看到的一模一样，片刻之后，一模一样的分数出现。

2147483647。

这不对啊，这不可能。

莫非他真的是秦始皇？

作为一个网络安全的大佬，其实陈雁行首先就是个测试方面的专家，他设计的测试用例和测试程序非常完善。

还是那句话。