V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX 提问指南
hobbyliu
V2EX  ›  问与答

这个算法题难道了多少人?

  •  1
     
  •   hobbyliu · 2016-03-21 10:43:52 +08:00 · 1876 次点击
    这是一个创建于 2930 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。

    6 条回复    2016-03-21 11:11:21 +08:00
    rock_cloud
        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)。
    dingyaguang117
        2
    dingyaguang117  
       2016-03-21 10:57:21 +08:00
    先合并排序,再遍历比较一边
    3dwelcome
        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。
    hobbyliu
        4
    hobbyliu  
    OP
       2016-03-21 11:07:18 +08:00
    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
    tabris17
        5
    tabris17  
       2016-03-21 11:08:22 +08:00
    说不定是 IPv6 的地址
    Moker
        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
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   我们的愿景   ·   实用小工具   ·   2813 人在线   最高记录 6543   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 26ms · UTC 14:49 · PVG 22:49 · LAX 07:49 · JFK 10:49
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.