处理1亿数据进行统计可以采取以下几种方法：
1. 数据分片：将1亿数据分成多个较小的数据块，然后分别对每个数据块进行统计。这样可以减少单个数据块的大小，提高处理效率。
2. 并行计算：利用多台计算机或多个处理单元进行并行计算，将数据分配给不同的计算单元进行统计。这样可以同时处理多个数据块，加快处理速度。
3. 数据压缩：对数据进行压缩，减少数据的存储空间和传输时间。可以使用压缩算法如gzip或LZO等进行数据压缩，然后再进行统计。
4. 数据索引：对数据进行索引，以便快速查找和统计。可以使用数据库索引或建立自定义索引结构，加快数据的访问和统计速度。
5. 数据采样：对1亿数据进行采样，选取一部分数据进行统计分析。可以使用随机采样或系统采样等方法，保证采样数据的代表性，并根据采样结果进行整体数据的估计。
6. 数据预处理：对数据进行预处理，如去重、过滤、清洗等，减少无效数据和冗余数据的影响，提高统计的准确性和效率。
7. 分布式计算：使用分布式计算框架如Hadoop、Spark等进行数据的分布式处理和统计。可以利用集群中的多台计算机进行并行计算，加快处理速度。
以上是一些常见的处理1亿数据进行统计的方法，具体选择哪种方法可以根据实际情况和需求进行调整和组合使用。
