大数据-25亿个数找出不重复的整数-双层桶-代码

zcliatb

于 2014-11-09 11:07:24 发布

阅读量1.3k

点赞数

分类专栏：大数据文章标签：大数据双层桶 2.5亿个数 C++实现

本文链接：https://blog.youkuaiyun.com/zcliatb/article/details/40948177

版权

本文介绍了如何运用双层桶的数据结构，在大数据背景下处理25亿个整数，有效地找出不重复的整数。通过链接到的优快云博客文章，详细阐述了具体的实现细节和C++代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

原理见：http://blog.youkuaiyun.com/quitepig/article/details/7869830

// 25亿个整数中找出不重复的整数的个数，内存空间不足以容纳这25亿个整数
// 先将25亿个数划分为多个桶，后用bitmap进行判断 00 表示未出现， 01表示出现一次，11表示出现多次。
// 假设输入数据在d:/test/in.dat
// 本程序分成2^8个桶，分别是0~2^23-1,2^23~2^24-1,……
// 对于每个桶约等于10^7个整数，对应内存大小为约40MB，如果将其用bitmap存储内存可继续降低近到10MB


#include <iostream>
#include <fstream>
#include <conio.h>
#include <time.h>
using namespace std;


char *mypath = "d:/test/in.dat";
char *respath = "d:/test/res.dat";


char mark[3000001];// 近10M数据存储
void generatedata()
{
fstream oo(mypath,ios::in|ios::binary|ios::app);
srand(unsigned(time(NULL)));
for(int i=0;i<1000000;++i)
{
double dat = (double)rand()/RAND_MAX;
int x = (int)(dat*100000000);
oo.write((char*)&