这是一个创建于 3200 天前的主题，其中的信息可能已经有所发展或是发生改变。
有 f1 、 f2 两个大文件，里面有若干行 IP 记录，大小分别 1T 左右，现在在机器内存只有 1G 。求这 f1 、 f2 两个文件的差集。
 |
1
rock_cloud 2016-03-21 10:55:54 +08:00
1T 的文本，看起来有大量的 IP 是重复的啊，至少 16 倍的重复量（如果我没算错）。
|
 |
2
dingyaguang117 2016-03-21 10:57:21 +08:00
先合并排序，再遍历比较一边
|
 |
3
3dwelcome 2016-03-21 10:58:02 +08:00  1
这不就是基础面试题，算每行 ip 的 hash, 根据 hash 最前面两位值来进行 255 数据分组， 1T 数据就可以被分成 1T/255 处理，依此类推，把每组装到 1G 内存里计算冲突，留下的就是差集。
其实楼主这是伪命题， ip 地址表示成 unsigned int, 也就 4G 范围, 如果按照 1bit 占位表示， 4G/8 = 530M, 在 1G 内存里完全可以装下的。 |
 |
4
hobbyliu OP 恩 这个题目出的不够严谨，换成 文件里面有若干不重复的字符串
|
 |
5
tabris17 2016-03-21 11:08:22 +08:00
说不定是 IPv6 的地址
|
 |
6
Moker 2016-03-21 11:11:21 +08:00
上次的题目 不是就差集 而是算出每个 IP 的数量 并统计出来
|
Select Language