- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
有一个 1 GB 的任意数据字符串,您可以假设它等同于以下内容:
1_gb_string=os.urandom(1*gigabyte)
我们将在这个字符串 1_gb_string
中搜索无限数量的固定宽度、1 KB 模式 1_kb_pattern
。每次我们搜索的模式都会不同。所以缓存机会并不明显。将一遍又一遍地搜索相同的 1 GB 字符串。这是一个简单的生成器来描述正在发生的事情:
def findit(1_gb_string):
1_kb_pattern=get_next_pattern()
yield 1_gb_string.find(1_kb_pattern)
请注意,只需找到该模式的第一次出现。之后就不要再做其他主要的处理了。
我可以使用比 python 的 bultin find 更快的方法来匹配 1KB 模式与 1GB 或更大的数据字符串?
(我已经知道如何拆分字符串并并行搜索它,因此您可以忽略该基本优化。)
更新:请将内存要求限制在 16GB。
最佳答案
当您澄清可以接受较长的预处理时,我建议使用 Rabin-Karp 的变体:“一种用于多模式搜索的算法”,正如维基百科所说。
定义一个“滚动散列”函数,即当您知道haystack[x:x+N]
的散列时,计算haystack[x+] 的散列1:x+N+1]
是 O(1)。 (普通的哈希函数,比如 Python 内置的 hash
没有这个属性,这就是为什么你必须自己写,否则预处理会变得令人筋疲力尽长,而不仅仅是很长;-)。多项式方法是富有成效的,您可以使用 30 位哈希结果(如果需要,可以通过屏蔽,即,您可以进行更精确的计算,并只存储选择的屏蔽 30 位)。为了清楚起见,我们将此滚动哈希函数称为 RH。
因此,当您沿着干草堆 1GB 字符串滚动时,计算 1G 的 RH 结果;如果你只是存储这些,它会给你一个 1G 30 位值 (4GB) 映射 index-in-haystack->RH 值的数组 H。但是您想要反向映射,因此请改用包含 2**30 个条目(1G 条目)的数组 A,对于每个 RH 值,它都会为您提供干草堆中所有感兴趣的索引(出现该 RH 值的索引);对于每个条目,您将第一个可能感兴趣的 haystack 索引的索引存储到另一个 1G 索引的数组 B 中,该数组被命令将所有索引保存到具有相同 RH 值(哈希术语中的“冲突”)相邻的 haystack 中。 H、A 和 B 都有 1G 条目,每个 4 字节,所以总共 12GB。
现在对于每个传入的 1K 针,计算其 RH,将其称为 k,并将其用作 A 的索引; A[k] 为您提供 B 中值得比较的第一个索引 b。所以,做:
ib = A[k]
b = B[ib]
while b < len(haystack) - 1024:
if H[b] != k: return "not found"
if needle == haystack[b:b+1024]: return "found at", b
ib += 1
b = B[ib]
有了一个好的 RH,你应该很少有碰撞,所以 while 应该执行很少的次数,直到以一种或另一种方式返回。所以每次针头搜索都应该非常非常快。
关于python - 在 Python 中第一次出现模式时搜索 1GB+ 数据字符串的最快方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/1750343/
初学者 android 问题。好的,我已经成功写入文件。例如。 //获取文件名 String filename = getResources().getString(R.string.filename
我已经将相同的图像保存到/data/data/mypackage/img/中,现在我想显示这个全屏,我曾尝试使用 ACTION_VIEW 来显示 android 标准程序,但它不是从/data/dat
我正在使用Xcode 9,Swift 4。 我正在尝试使用以下代码从URL在ImageView中显示图像: func getImageFromUrl(sourceUrl: String) -> UII
我的 Ubuntu 安装 genymotion 有问题。主要是我无法调试我的数据库,因为通过 eclipse 中的 DBMS 和 shell 中的 adb 我无法查看/data/文件夹的内容。没有显示
我正在尝试用 PHP 发布一些 JSON 数据。但是出了点问题。 这是我的 html -- {% for x in sets %}
我观察到两种方法的结果不同。为什么是这样?我知道 lm 上发生了什么,但无法弄清楚 tslm 上发生了什么。 > library(forecast) > set.seed(2) > tts lm(t
我不确定为什么会这样!我有一个由 spring data elasticsearch 和 spring data jpa 使用的类,但是当我尝试运行我的应用程序时出现错误。 Error creatin
在 this vega 图表,如果我下载并转换 flare-dependencies.json使用以下 jq 到 csv命令, jq -r '(map(keys) | add | unique) as
我正在提交一个项目,我必须在其中创建一个带有表的 mysql 数据库。一切都在我这边进行,所以我只想检查如何将我所有的压缩文件发送给使用不同计算机的人。基本上,我如何为另一台计算机创建我的数据库文件,
我有一个应用程序可以将文本文件写入内部存储。我想仔细看看我的电脑。 我运行了 Toast.makeText 来显示路径,它说:/数据/数据/我的包 但是当我转到 Android Studio 的 An
我喜欢使用 Genymotion 模拟器以如此出色的速度加载 Android。它有非常好的速度,但仍然有一些不稳定的性能。 如何从 Eclipse 中的文件资源管理器访问 Genymotion 模拟器
我需要更改 Silverlight 中文本框的格式。数据通过 MVVM 绑定(bind)。 例如,有一个 int 属性,我将 1 添加到 setter 中的值并调用 OnPropertyChanged
我想向 Youtube Data API 提出请求,但我不需要访问任何用户信息。我只想浏览公共(public)视频并根据搜索词显示视频。 我可以在未经授权的情况下这样做吗? 最佳答案 YouTube
我已经设置了一个 Twilio 应用程序,我想向人们发送更新,但我不想回复单个文本。我只是想让他们在有问题时打电话。我一切正常,但我想在发送文本时显示传入文本,以确保我不会错过任何问题。我正在使用 p
我有一个带有表单的网站(目前它是纯 HTML,但我们正在切换到 JQuery)。流程是这样的: 接受用户的输入 --- 5 个整数 通过 REST 调用网络服务 在服务器端运行一些计算...并生成一个
假设我们有一个名为 configuration.js 的文件,当我们查看内部时,我们会看到: 'use strict'; var profile = { "project": "%Projec
这部分是对 Previous Question 的扩展我的: 我现在可以从我的 CI Controller 成功返回 JSON 数据,它返回: {"results":[{"id":"1","Sourc
有什么有效的方法可以删除 ios 中 CBL 的所有文档存储?我对此有疑问,或者,如果有人知道如何从本质上使该应用程序像刚刚安装一样,那也会非常有帮助。我们正在努力确保我们的注销实际上将应用程序设置为
我有一个 Rails 应用程序,它与其他 Rails 应用程序通信以进行数据插入。我使用 jQuery $.post 方法进行数据插入。对于插入,我的其他 Rails 应用程序显示 200 OK。但在
我正在为服务于发布请求的 API 调用运行单元测试。我正在传递请求正文,并且必须将响应作为帐户数据返回。但我只收到断言错误 注意:数据是从 Azure 中获取的 spec.js const accou
我是一名优秀的程序员,十分优秀!