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?
来源:互联网 发布:牛听听网络配置出错 6 编辑:程序博客网 时间:2024/05/22 02:33
1. 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?
方案1:可以估计每个文件安的大小为50G×64=320G,远远大于内存限制的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。
s 遍历文件a,对每个url求取,然后根据所取得的值将url分别存储到1000个小文件(记为)中。这样每个小文件的大约为300M。
s 遍历文件b,采取和a相同的方式将url分别存储到1000各小文件(记为)。这样处理后,所有可能相同的url都在对应的小文件()中,不对应的小文件不可能有相同的url。然后我们只要求出1000对小文件中相同的url即可。
s 求每对小文件中相同的url时,可以把其中一个小文件的url存储到hash_set中。然后遍历另一个小文件的每个url,看其是否在刚才构建的hash_set中,如果是,那么就是共同的url,存到文件里面就可以了。
方案2:如果允许有一定的错误率,可以使用Bloom filter,4G内存大概可以表示340亿bit。将其中一个文件中的url使用Bloom filter映射为这340亿bit,然后挨个读取另外一个文件的url,检查是否与Bloom filter,如果是,那么该url应该是共同的url(注意会有一定的错误率)。
0 0
- 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?
- 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?
- 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
- 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?
- 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。
- 从a站点跳转到b站点,通过url的参数判断是否让该用户选择身份
- 5G的文本TXT文件,按行存放URL,去重
- 廖学峰PYTHON 返回函数疑问
- Redis和Memcache对比及选择
- Android高效加载大图、多图解决方案,有效避免程序OOM
- 各浏览器cloneNode方法的部分实现差异
- 不可重入函数总结
- 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?
- C++第3次上机实验-个人所得税计算机
- jxl和POI的区别
- 寻找android中的设计模式(一)
- SVProgressHUD控件使用
- 使用 t-SNE算法和JavaScript语言可视化Visualizing Top Tweeps with t-SNE, in Javascript
- 基于ZooKeeper的分布式Session实现
- VS2013常用快捷键
- Objective-C利用AFN上传头像、UIAlertController的使用