一个文件占用内存大小为5G x 64B = 320G,远大于实际内存4G,不能一次性载入内存。
把每个文件中的url进行hash(url)%1000,各得到1000个小文件,每个大约300MB
hash具有一个性质,哈希值相同的url不一定相同,但相同的url哈希之后的结果必定相同。
于是只需逐个分析两个文件的1000个小文件中对应小文件的结果,然后合并结果即可。
具体可以把一个小文件的url放进hash_set里,然后看另一个小文件的url在不在这个hahs_set里
两个文件各有50亿个url,每个url各64字节,内存限制是4G,找出其中共同的url
最后编辑于 :
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- Part 1 原文:“I was asked if I would come and talk about wri...