大佬们，来寻求个方案，对比查询怎么才能最快

[V392920]

有这样一个需求，首先是有 100 万个 md5 值(不重复，提前录入)

然后每隔 10 秒会产生 300 个新的 md5 值

现在的要求是拿这 300 个去与 100 万个对比，查询出这 300 个里面哪些是包含在那 100 万个里面的，需要极致的速度，越快完成越好。

之前同事用 redis 集合处理，据说好像是 30-40 毫秒(我不确定这个时间是否准确)，依旧说还没达到要求，还能不能再极限一点

对了，还有个要求，就是那 100 万个 md5 值，不能丢，需要持久化保存，系统重启之后依旧要在。

求大佬们指点一下思路，主要是速度要快，快，快。

先提前感谢各位大佬的思路。

确实是自己想复杂了，这个数量级确实不大，直接走内存怎么来都快，感谢大家指点

[tool2dx]

md5 是 16 个字节，100 万也才 16,000,000 字节，约合 16M 内存。

redis 已经很快了，再快怕只有手搓一个 hash 查找表了。

[sky497134710]

md5 -> 二进制 -> redis 位图

[MoYi123]

速度 30-40 毫秒的话, 我觉得很有可能是用 for 循环查了 300 次 redis, 或者是连 redis 的网络不行. 想个办法写成一句查询, 一次性返回 300 个结果.

如果新 md5 大概率不在这 100 万个里面, 可以外面套一层 bloomfilter, 减少查询量.

[Kaiv2]

直接预加载到机器内存中，消耗时间 0 毫秒

[sagaxu]

redis pipeline 了解一下

[aflow]

查询的时候和布隆过滤器组合使用，过滤下应该可以快不少

[sagaxu]

新版 redis 有 SMISMEMBER

[PTLin]

那就加载到本机然后前缀树匹配不行吗，我试了下 6800h 单线程匹配也就 1 毫秒

[fruitmonster]

布隆不行么？

[yagamil]

我觉得 mysql 都够用了，索引+ in 语句

[bugmakerxs]

把数据加载到内存生成字典树。

[wxf666]

就 16MB 内存数据，你直接用语言自带的 Hash / HashMap / Dict / Object / Unordered_map / Table ，不行吗？

[R4rvZ6agNVWr56V0]

30-40 毫秒 都不能满足要求？ 那就只能自己撸数据结构了：使用 Bloom Filter + Bit Array 组合 ，用 C/C++实现。还要考虑利用 SIMD 指令加速。

[sillydaddy]

楼上都是看见问号就开始解题的，你这根本就是无效需求：10 秒才产生 300 个数据，只花 30 毫秒的处理时间还嫌慢，剩下的时间去睡觉吗？这种需求就像原本的目标是从北京到拉萨，却问怎么提高长跑速度。

[duosqs]

可以结合归并排序的思路，只会扫一遍 100 万的数据。

[netnr]

用 JS 写了个例子，大概在 2 ms 完成匹配

https://www.netnr.com/run/code/4824312705648666717

[RandomJoke]

100w 的数据要是不变的，直接启动进内存 hashmap 就行了，布隆主要解决空间问题，你这要是不变的直接 hashmap

[lyxxxh2]

刚想说加载为内存变量,大家都是这么想的。

[otakustay]

才 100 万个，1000 万以下我直接内存开 HashMap

[xuelu520]

redis pipeline 应该就行了，现在主要耗时在连接 redis 上。