- 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
为了避免混淆,我根据我对哈希算法的研究重新设计了我的问题
问题陈述我有多个包含可变长度数据记录的文本文件。我需要查找输入中是否有重复记录。每个文本文件都可能有数百万的数据记录。
由于我无法一次将所有数据加载到内存中,因此我计划在处理记录时创建记录中关键字段的散列。处理记录意味着验证、过滤和转换它。处理所有文本文件中的所有记录后,将它们合并以创建整个输入(文本文件或数据库表)的一个 View 。
如果为所有记录生成哈希值,查找重复项会更快。如果存在哈希值冲突,则只能检查那些记录是否相等(假设哈希算法是确定性的)
问题 - 对于这种输入,即可变长度数据,我应该考虑什么哈希算法?
最佳答案
简答题
不要这样做。使用 Java map 。您可以在此处找到详细信息: http://docs.oracle.com/javase/6/docs/api/java/util/Map.html
长答案
您可以通过将字符串视为以 N 为基数的数字来创建完美的哈希函数,其中 N 是任何字符可以采用的所有可能值。这里的问题是内存。散列函数旨在与数组一起使用,这意味着您需要一个足够大的数组来处理散列的结果,而这是不切实际的。
例如,以 10 个字符的 key 为例。让我们更谦虚一点,假设它们保证只由小写字母组成。这为每个字符提供了 26 种可能性,以及 10 个字符。这意味着可能的组合是:
26 ^ 10 = 141,167,095,653,376
如果您查找哈希算法,它们首先包含的内容之一就是碰撞检测,因为它们承认碰撞是生活中不可避免的事实。
现在你说你没有在内存中加载 key ,但你为什么要使用散列呢?散列的要点是为您提供到数组索引的映射。也许您最好使用另一种机制。
可能的解决方案
如果您担心内存问题,请获取有关文件中重复项的一些统计信息。如果你只存储一个标志来指示散列中特定键的出现,并且你有很多重复项,你可以只使用 Java 的映射。 Java 的映射会处理冲突,因此不会阻止您检测唯一键。您可以放心,如果找到 A[x],则意味着 x 在 A 中,即使 x 的散列与之前的散列冲突。
接下来,您可以尝试一些实用程序来提取重复项。由于它们是专门为此目的编写的,因此它们应该能够处理大量数据。
最后,您可以尝试将条目放入数据库并使用它来处理重复项。这似乎有点矫枉过正,但数据库已针对处理大量记录进行了优化。
关于java - 可变长度数据要考虑哪些哈希算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13914985/
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!