topn:最多出现的网址的TopN

上传者: 42160252 | 上传时间: 2022-05-22 15:55:26 | 文件大小: 14.13MB | 文件类型: ZIP
C
介绍 一个简单的程序,用于计算无法直接加载到内存(1GB)的大文件(100GB)中最常出现的url的topn。 用法 生成测试数据 make data 使用1GB网址进行测试 make test 使用100GB网址运行 make run 算法 根据hash(url)将输入文件拆分为1009个小文件。 加载每个小文件,通过dict计算url的出现次数,然后通过堆获取topn出现次数。 合并步骤2中所有出现的topn事件,并获得最终的topn并进行打印。 复杂度分析 N是网址数。 NS是分割文件的数量,等于1009。K是我们想要的结果URL的数量,等于100。BS是缓冲区大小的大小,可能是4096或8192,请参见 步骤1 从输入文件读取或写入拆分文件的时间均为N / BS * T(disk io) , 哈希计算的时间为N * T(hash) , 因此时间复杂度为O(max(2 * N

文件下载

资源详情

[{"title":"( 10 个子文件 14.13MB ) topn:最多出现的网址的TopN","children":[{"title":"topn-main","children":[{"title":"urls.base.txt <span style='color:#111;'> 54.94MB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 4.70KB </span>","children":null,"spread":false},{"title":"Makefile <span style='color:#111;'> 403B </span>","children":null,"spread":false},{"title":"gendata.sh <span style='color:#111;'> 631B </span>","children":null,"spread":false},{"title":"wip","children":[{"title":"time33module.c <span style='color:#111;'> 669B </span>","children":null,"spread":false},{"title":"uring.c <span style='color:#111;'> 4.76KB </span>","children":null,"spread":false},{"title":"setup.py <span style='color:#111;'> 363B </span>","children":null,"spread":false}],"spread":true},{"title":".gitignore <span style='color:#111;'> 2.02KB </span>","children":null,"spread":false},{"title":"performance","children":[{"title":"scalene.txt <span style='color:#111;'> 16.15KB </span>","children":null,"spread":false}],"spread":true},{"title":"topn.py <span style='color:#111;'> 2.46KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明