本文探讨了如何解决海量数据处理问题，如处理超过100G的IP地址文件、寻找100亿个整数中只出现一次的数、找到两个大文件的交集以及在上千个文件中搜索特定词。通过哈希表、位图、布隆过滤器以及哈希切分等数据结构和算法，可以有效地解决这些问题。文章详细解释了这些方法的工作原理，并给出了实际应用的解决方案。
生活中我们经常会遇到一些海量数据处理的问题，那么怎样的问题就算是海量数据了呢？来看以下这几个问题：
- 给定一个大小超过 100G 的文件, 其中存在 IP 地址, 找到其中出现次数最多的 IP 地址 。
- 给定100亿个整数, 找到其中只出现一次的整数(位图变形, 用两位来表示次数)。
- 有两个文件, 分别有100亿个query(查询词, 字符串), 只有1G内存, 找到两个文件的交集。
- 给上千个文件, 每个文件大小为1K - 100M, 设计算法找到某个词存在在哪些文件中。
首先第一个问题很明确有100G的数据；第二个问题100亿个整数所占的空间大小是：100亿*4byte = 40G；第三个问题100亿也就是10G……要知道我们日常使用的电脑也就是4G、8G的内存大小，远不能满足这里的100G、40G……的数据处理的需求。但是我们又必须要处理类似这样的问题，难道就束手无策了么！！！
为了解决类似这样的问题，我们可以借助之前学的哈希表，位图，布隆过滤器这样的数据结构，接下来我们来了解一下相关知识。
哈希表
详情请移步：哈希表
位图
详情请移步：位图
布隆过滤器
详情请移步：布隆过滤器
哈希切分
所谓的切分就很好理解，就是将一个东西切分开，将一个整体划分为多个更小的小整
最低0.47元/天 解锁文章
扫一扫
713
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
