❶ 大数据量的交集，并集，差集求解算法
首先这点数据并不大呀。。
交集最好做 [hash]/[单排序+二分]/[双排序+归并过程找]
并集同理，只不过把交集中不要的数据也记录下来就行了
差集，只要交集过程中不要的
❷ 大数据推送一周前与感染者有时空交集隔离时间怎样算
“时空交集”与“时空伴随”概念相同，是指14天内，与确诊患者在同一个时间和空间网格内（通常以800米×800米为检测范围），共同停留过10分钟的人。
通俗地说，比如感染者14天内到过某地，而你这14天的轨迹与他有过交集，无论是身体上擦肩而过，还是通信信号上的漂移，都可能被认定为时空伴随。专家表示，筛查“时空伴随者”可以最大程度发现潜在风险人群，将更多存在“时空重合”而有可能感染的人群纳入到重点排查中，真正做到早期发现和防控关口前移。
❸ 大数据、BI、AI,三者之间的关系是什么_大数据和bi的区别
BI目前实现的是收集数据，提供反馈，辅助决策的能力，以数据为基础的，面向数据管理和分析，段橡乎属被动角色。而AI则辅以大数据，算法等得到更有价值的信息，实现收集预测的能力，更多的是主动角色。
虽然AI的应用范围非常广，但结合BI现仍是处理结构化的数据。而此处二者的交集在于机器学习和数据挖掘，但又略有不同。AI的机器学习强调算法，BI的数据挖掘还包括对数据的管理，算法选择上也较为简单，没有神经网络和深度学习等复杂AI算法。
未来,AI与BI的区别在于BI负责梳理生产关系，AI是先进生产力。那么AIBI模式通过将AI嵌入BI，构建基于AI的BI平台，利用AI的智能让BI系如纳统能够解决更复杂的业务场景，产出更精准的分析结果，从而使决策更为科学和准确。
对于结构化的数据，BI系统握悉可应用机器学习算法，得到更精确的分析结果。例如上文提到的总结用户画像，分析人群行为数据，得到千人千面，实现精准营销的结果。还有金融领域的风险监测，AIBI的模式可以分析出金融风险和其他指标、行为之间的内在联系，预测更为准确。
对于非结构化的数据，BI可以应用图像处理、语音工程和文本分析等AI技术，智能化地处理复杂业务场景。如语音转文字，录入数据及产出想要的报表等。
业务场景除了在IT信息化基础比较扎实的行业，也会在深度场景化的细分领域，且这些领域不具备通用性。也可理解为解决方案不具备复用性。这个时候通过AI完成一些算法匹配，根据匹配的结果来驱动业务执行。