方法一：

 使用java编程，读取文件 逐行对比，但每行都要和另一个文件的所有行做对比，复杂度 m*n

方法二：

  linux命令是否有可以实现？grep就可以，缺点是完全匹配，没有因为结构化数据字段顺序的不同而去做匹配

  grep的几个参数说明

         -v反向查找，即获取没有匹配到的

         模式选择regex pattern的不同，具体区别有机会可以多试试

         -f  obtain PATTERN from FILE

         -F PATTERN is a set of newline-separated strings

         -w, --word-regexp         force PATTERN to match only whole words

         -x, --line-regexp         force PATTERN to match only whole lines

  示例：
   

$ grep  -xf a2.txt a1.txt // 获取匹配到的记录 （inner join）
  $ grep  -xvf a2.txt a1.txt // 反向匹配，即只提取a1.txt才有的内容，两个文件参数位置倒换一下就获取到了a2.txt独有的内容

方法三：

  数据是结构化形式，所以将文件统一放在一个工具里实现，mysql,这样就是2个表：

   1可以各自只有一列，这样就直接join连接比较

   2因为是结构化，可以存为多个字段，这样即便2个文件的存储时列顺序不同也可以实现比较

方式三：

   spark读取方式。通过spark-shell.sh   --master loca[5]    val s=spark.read.schema(schema).json("file:///tmp/c1.json")

   注意：这里没有通过yarn方式去比较，我试过了同样的方式读取上面的s，虽然不报错，但是也没有内容，不是schema定义不对，就是yarn方式client可能不支持吧，具体原因未知

方式四：

   使用excel的vlookup，我昨天尝试对比不到3000的数据量，它的执行开启了4个线程，还是有些慢的，而且通过匹配后还要进行筛选，因为是双向比较，这种操作要执行2遍，而且我的excel不知道怎么回事，使用vlookup，在wps可以，在excel就语法错误，也是很郁闷了

 

关于这个需求，我的2个数据，一个在hadoop上，一个在本地服务器，且结构化参数的顺序不同，我将hadoop上的拿到了本地服务器，然后通过再将这2个文件分别通过spark读取本地文件，分别获取后再做的比较，最终将差异数据存到了mysql

另外还有一个需求，一份数据在excel,一份在mysql，这次还简单一些，只有一列数据，我统一放在了excel上，通过vlookup做的比较，虽然只有不到3000,但效果差强人意，很慢