大数据量下的笛卡儿积的替代方案

最近一直被一个简单的风险场景卡着，识别考勤代打卡。其实python的实现逻辑也很简单，做笛卡儿积=>两列打卡时间相减，保留10秒以内的记录=>用员工号做主键groupby+count，按月计算，次数超过一定常规数值的员工号两两组合视为异常。

问题是整个公司每天打卡的人太多，10多天的数量就超过400万条记录，只保留进的记录也得有200多万条。

想了一些解决方案，如下：

方案一：简单粗暴笛卡儿积。数据量会超过16万亿条。X

方案二：按照电子门ID和日期gourpby之后再做笛卡儿积，今天尝试了一下，速度太慢，跑几天都不一定能跑出来。X

方案三：放弃使用笛卡儿积的solution，用pandas的rolling系列功能，只检查相邻的两次打卡。好处是rolling底层是numpy实现，速度有保障，坏处是无法识别一个人帮一帮人打卡。这个方案明天尝试一下。