在 1000 万行的文件里面找相同的行，并且记录行数和重复次数，用前端的代码实现
hechuanhua · 2020-03-26 11:32:37 +08:00 · 2886 次点击这是一个创建于 1735 天前的主题，其中的信息可能已经有所发展或是发生改变。
咋搞？
 |
1
Mithril 2020-03-26 11:33:31 +08:00
这文件传到前端确定不会撑爆用户浏览器？
|
 |
2
hechuanhua OP @Mithril 不知道，题目就是这样的，可以多种代码实现，但是我希望是 JS，不知道能不能解决
|
 |
3
wednesdayco 2020-03-26 11:36:32 +08:00
老生常谈，先分片。再考虑找行的事情。
|
 |
4
VDimos 2020-03-26 11:42:08 +08:00 via Android
算哈希呗
|
 |
5
123444a 2020-03-26 11:51:33 +08:00 via Android  1
bloom filter, 浏览器必备
|
 |
6
luckyrayyy 2020-03-26 11:57:40 +08:00
大流量查重请认准 bloom filter
|
 |
7
asAnotherJack 2020-03-26 12:01:31 +08:00
先遍历每一行按哈希拆成一万份文件，再对每一个文件找出重复的，最后整合到一起？
|
 |
8
robinlovemaggie 2020-03-26 12:02:53 +08:00
设计一款浏览器，自动实现文件实时逐行滚动读取，然后凭借一个强大的 AI 内核来完成记录分析，名字就叫：矩阵牌浏览器
|
 |
9
reus 2020-03-26 12:03:21 +08:00
for 循环不会写？
|
 |
10
xingyuc 2020-03-26 12:56:11 +08:00
先搞定提出问题的人
|
 |
11
whatsmyip 2020-03-26 12:58:04 +08:00 1
分治，先哈希打散到文件，然后随便你怎么搞
|
 |
12
dremy 2020-03-26 13:17:50 +08:00 via iPhone
纯 hash 费空间，1000w 的 int key 每个需要至少 3 个字节，一共 28MB，bloom filter 省大量空间，估计可以不到 100k
|
 |
15
crella 2020-03-26 15:13:39 +08:00 via Android
逐行算出哈希值，按哈希值的前几个字母，分类并存到各个文件，然后各个文件内在继续比较。
|
 |
16
0bit 2020-03-26 15:48:54 +08:00
HyperLogLog
|
Select Language