给定a、b两个文件,各存放50亿个url,每个url各占用64字节,内存限制是4G,如何找出a、b文件共同的url?
来源:互联网 发布:淘宝evisu卖家 编辑:程序博客网 时间:2024/05/12 10:13
思路:可以估计每个文件的大小为5G*64=300G,远大于4G。所以不可能将其完全加载到内存中处理。考虑采取分而治之的方法。 遍历文件a,对每个url求取hash(url)%1000,然后根据所得值将url分别存储到1000个小文件(设为a0,a1,...a999)当中。这样每个小文件的大小约为300M。遍历文件b,采取和a相同的方法将url分别存储到1000个小文件(b0,b1....b999)中。这样处理后,所有可能相同的url都在对应的小文件(a0 vs b0, a1 vs b1....a999 vs b999)当中,不对应的小文件(比如a0 vs b99)不可能有相同的url。然后我们只要求出1000对小文件中相同的url即可。 比如对于a0 vs b0,我们可以遍历a0,将其中的url存储到hash_map当中。然后遍历b0,如果url在hash_map中,则说明此url在a和b中同时存在,保存到文件中即可。 如果分成的小文件不均匀,导致有些小文件太大(比如大于2G),可以考虑将这些太大的小文件再按类似的方法分成小小文件即可。
1 0
- 给定a、b两个文件,各存放50亿个url,每个url各占用64字节,内存限制是4G,如何找出a、b文件共同的url?
- 给定a、b两个文件,各存放50亿个url,每个url各占用64字节,内存限制是4G,如何找出a、b文件共同的url?
- 给定a、b两个文件,各存放50亿个url,每个url各占用64字节,内存限制是4G,如何找出a、b文件共同的url?
- 给定a、b两个文件,各存放50亿个url,每个url各占64字节,内存限制是4G,让你找出a、b文件共同的url?
- 定a、b两个文件,各存放50亿个url,每个url各占64字节,内存限制是4G,让你找出a、b文件共同的url?
- 两个文件a和b,各存放50亿条URL,每条URL占用64字节,内存限制是4G,让你找出a,b文件共同的URL
- 从两个文件(各含50亿个url)中找出共同的url
- 从两个文件(各含50亿个url)中找出共同的url
- 从两个文件(各含50亿个url)中找出共同的url
- 从两个文件(各含50亿个url)中找出共同的url
- 从两个文件(各含50亿个url)中找出共同的url
- 从两个文件(各含50亿个url)中找出共同的url
- 从两个文件(各含50亿个url)中找出共同的url
- 给两个文件,分别有100亿个URL,我们只有1G内存,如何找到两个文件交集?分别给出精确算法和近似算法。
- 在数组中找出两个数a、b,使得a加b等于给定的c
- 给定两个正整数A和B,把A变成B需要几位?也就是说A和B之间的位数有多少个是不同的?
- 5G的文本TXT文件,按行存放URL,去重
- 链式A+B有两个用链表表示的整数,每个结点包含一个数位。这些数位是反向存放的,也就是个位排在链表的首部。编写函数对这两个整数求和,并用链表形式返回结果。 给定两个链表ListNode* A,ListN
- 代码面试最常用的10大算法
- Dialog的使用(三):progressDialog
- 自定义类型的思考
- 数值转换(十进制转换为二进制)
- memcache安装
- 给定a、b两个文件,各存放50亿个url,每个url各占用64字节,内存限制是4G,如何找出a、b文件共同的url?
- 字符串和整数相互转化
- 将Spring源码导入Eclipse
- 黑马程序员有关枚举,反射,泛型的总结
- CodingTrip - 携程编程大赛 (预赛第一场)第三题 携程全球数据中心建设
- 测试5——观察增量检查点
- Cocos2d-x 发布 Android
- 图像分割
- GraphicsMagick 安装