- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
对于一个正常大小的数组,我们可以通过排序或者使用hashset等方式来判断它是否包含重复项。但是如果我们有一个非常大的数组,比如长度是 100 亿,我们如何确定它是否包含重复项?
跟进:如果我们知道这个大数组中一定存在一个重复项,我们如何确定它是哪一个?
我的想法是使用排序,但如果有更好的方法来处理这些情况,我不会这样做。
最佳答案
首先,使用如下代码将您的数据存储到 K 个存储桶中。
files = array of K file handles
for each d in data {
write d to files[hash(d) % K]
}
close each file
如果您选择的 K 足够大,每个桶都可以轻松放入 RAM 中。确保选择一个好的哈希函数,否则桶将不平衡。实际代码还取决于您使用的存储系统。例如,如果您使用的是普通硬盘,寻道的成本很高,需要注意避免磁盘抖动。一种方法是读入适合 RAM 的尽可能多的数据,然后对其进行迭代 K 次,每次遍历仅附加到一个输出文件。
接下来,简单地依次遍历每个桶,看看它是否包含任何重复项。您可以使用任何有效的算法来检测重复项。
for each f in the K files {
data = read f into RAM
detect duplicates in data
}
另一种解决方案是使用 map-reduce framework .
map 步骤将如下所示:
map(value) {
emit(key=hash(value), value=value)
}
减少步骤将如下所示:
reduce(key, values) {
if there's a duplicate in values {
emit the duplicate value.
}
}
请注意,每个 reducer 只会在存在重复值或存在哈希冲突时看到多个值。如果您选择了一个合理的哈希函数,后者将极为罕见。
关于arrays - 确定一个非常大的数组是否包含重复项,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/28923781/
我有一个 if 语句,如下所示 if (not(fullpath.lower().endswith(".pdf")) or not (fullpath.lower().endswith(tup
然而,在 PHP 中,可以: only appears if $foo is true. only appears if $foo is false. 在 Javascript 中,能否在一个脚
XML有很多好处。它既是机器可读的,也是人类可读的,它具有标准化的格式,并且用途广泛。 它也有一些缺点。它是冗长的,不是传输大量数据的非常有效的方法。 XML最有用的方面之一是模式语言。使用模式,您可
由于长期使用 SQL2000,我并没有真正深入了解公用表表达式。 我给出的答案here (#4025380)和 here (#4018793)违背了潮流,因为他们没有使用 CTE。 我很欣赏它们对于递
我有一个应用程序: void deleteObj(id){ MyObj obj = getObjById(id); if (obj == null) { throw n
我的代码如下。可能我以类似的方式多次使用它,即简单地说,我正在以这种方式管理 session 和事务: List users= null; try{ sess
在开发J2EE Web应用程序时,我通常会按以下方式组织我的包结构 com.jameselsey.. 控制器-控制器/操作转到此处 服务-事务服务类,由控制器调用 域-应用程序使用的我的域类/对象 D
这更多是出于好奇而不是任何重要问题,但我只是想知道 memmove 中的以下片段文档: Copying takes place as if an intermediate buffer were us
路径压缩涉及将根指定为路径上每个节点的新父节点——这可能会降低根的等级,并可能降低路径上所有节点的等级。有办法解决这个问题吗?有必要处理这个吗?或者,也许可以将等级视为树高的上限而不是确切的高度? 谢
我有两个类,A 和 B。A 是 B 的父类,我有一个函数接收指向 A 类型类的指针,检查它是否也是 B 类型,如果是将调用另一个函数,该函数接受一个指向类型 B 的类的指针。当函数调用另一个函数时,我
有没有办法让 valgrind 使用多个处理器? 我正在使用 valgrind 的 callgrind 进行一些瓶颈分析,并注意到我的应用程序中的资源使用行为与在 valgrind/callgrind
假设我们要使用 ReaderT [(a,b)]超过 Maybe monad,然后我们想在列表中进行查找。 现在,一个简单且不常见的方法是: 第一种可能性 find a = ReaderT (looku
我的代码似乎有问题。我需要说的是: if ( $('html').attr('lang').val() == 'fr-FR' ) { // do this } else { // do
根据this文章(2018 年 4 月)AKS 在可用性集中运行时能够跨故障域智能放置 Pod,但尚不考虑更新域。很快就会使用更新域将 Pod 放入 AKS 中吗? 最佳答案 当您设置集群时,它已经自
course | section | type comart2 : bsit201 : lec comart2 :
我正在开发自己的 SDK,而这又依赖于某些第 3 方 SDK。例如 - OkHttp。 我应该将 OkHttp 添加到我的 build.gradle 中,还是让我的 SDK 用户包含它?在这种情况下,
随着 Rust 越来越充实,我对它的兴趣开始激起。我喜欢它支持代数数据类型,尤其是那些匹配的事实,但是对其他功能习语有什么想法吗? 例如标准库中是否有标准过滤器/映射/归约函数的集合,更重要的是,您能
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 这个问题似乎与 help center 中定义的范围内的编程无关。 . 关闭 9 年前。 Improve
我一直在研究 PHP 中的对象。我见过的所有示例甚至在它们自己的对象上都使用了对象构造函数。 PHP 会强制您这样做吗?如果是,为什么? 例如: firstname = $firstname;
...比关联数组? 关联数组会占用更多内存吗? $arr = array(1, 1, 1); $arr[10] = 1; $arr[] = 1; // <- index is 11; does the
我是一名优秀的程序员,十分优秀!