文件名称：topn:最多出现的网址的TopN
文件大小：14.13MB
文件格式：ZIP
更新时间：2024-05-02 14:37:36
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
【文件预览】：
topn-main
----urls.base.txt(54.94MB)
----README.md(5KB)
----Makefile(403B)
----gendata.sh(631B)
----wip()
--------time33module.c(669B)
--------uring.c(5KB)
--------setup.py(363B)
----.gitignore(2KB)
----performance()
--------scalene.txt(16KB)
----topn.py(2KB)