Linux下怎样实现给大文件排序去重
发布时间：2023-05-22 14:35:51 所属栏目：Linux 来源：
导读：这篇文章主要介绍了Linux下如何实现给大文件排序去重相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Linux下如何实现给大文件排序去重文章都会有所收获，下面我们一起来看看吧。
有
有
|
这篇文章主要介绍了Linux下如何实现给大文件排序去重相关知识，内容详细易懂，操作简单快捷，具有一定借鉴价值，相信大家阅读完这篇Linux下如何实现给大文件排序去重文章都会有所收获，下面我们一起来看看吧。 有一道校招生的面试题，是要给一个很大的文件（不能全部放内存，比如1T）按行来排序和去重。 一种简单解决方案就是分而治之，先打大文件分词大小均匀的若干个小文件，然后对小文件排好序，最后再Merge所有的小文件，在Merge的过程中去掉重复的内容。 在Linux下实现这个逻辑甚至不用自己写代码，只要用shell内置的一些命令: split, sort就足够了。我们把这个流程用脚本串起来，写到shell脚本文件里。文件名叫sort_uniq.sh. #!/bin/bash lines=$(wc -l $1 | sed 's/ .*//g') lines_per_file=`expr $lines / 20` split -d -l $lines_per_file $1 __part_$1 for file in __part_* do { sort $file > sort_$file } & done wait sort -smu sort_* > $2 rm -f __part_* rm -f sort_* 使用方法：./sort_uniq.sh file_to_be_sort file_sorted 这段代码把大文件分词20或21个小文件，后台并行排序各个小文件，最后合并结果并去重。 如果只要去重，不需要排序，还有另外一种思路：对文件的每一行计算hash值，按照hash值把该行内容放到某个小文件中，假设需要分词100个小文件，则可以按照（hash % 100）来分发文件内容，然后在小文件中实现去重就可以了。 （编辑：聊城站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
