如何对 32 位数字进行排序以查找唯一条目？

Posted 2023-02-22

【中文标题】如何对 32 位数字进行排序以查找唯一条目？

【英文标题】：How to sort 32bit numbers to find unique entries?

【发布时间】：2009-04-01 20:25:28

【问题描述】：

有一个“文件”数据集 - 文件名，后面跟着 32 位数字 - 类似于文件的哈希值。

"file1" 6a9bd9a6 1df3b24b 7ab054dc
"file2" 6a9bd54e 1df3b24b 8cd054dc
"file3" 6a9bd9a6 7ab054dc

我将如何获得唯一文件，因此 s2 不是任何其他 s2 的前缀 - 这意味着该数字是唯一的。如果有两个相同的 s2，如果它们不是任何其他 s2 的前缀，则它们都是唯一的。

我正在寻找一个快速的解决方案。我可以想出解决方案来比较每个字符串，但这太耗时且无效。另一种选择是以某种方式将 mysql 引擎用于表，但我不确定如何。你能帮我吗？

【问题讨论】：

我不知道你所说的“s2”是什么意思。你能澄清一下吗？为什么你的数据集后面有多个数字，而不仅仅是1？

我想这不可能帮助你，我们需要一个更清晰的描述。

您可以将更多的数字理解为不是文件的HASH，而是文件的一部分，或者文件本身。因此，s1 将是“File1”，s2 将是它后面的数字。

【参考方案1】：

您可以使用trie 来确保没有任何字符串是任何其他字符串的前缀。

当你插入你的 trie 时，你会检查这两种情况：

1) 我是否传递了一个旧的叶节点？如果是这样，这意味着另一个字符串是我的字符串的前缀。 2）我想将已经存在的非叶子标记为叶子吗？如果是这样，我是另一个字符串的前缀。

这将是一个 O(N) 解决方案，其中 N 是字符串的数量（测量插入 trie 的数量）。每个插入运行其字符串的长度。

所以如果你想从这里创建哈希。您可以轻松地遍历特里树，然后在到达所需的叶子后使用有关是否有前缀节点的信息。每个叶子节点代表一个完整的路径，它知道它是否是另一个字符串的前缀。如果是前缀，那么它至少有 1 个子节点。

【讨论】：

哦，所以我把所有数据都插入到trie中，trie有返回每个数据条目信息的算法，它是否有一些“父”并且是不同条目的前缀？

你可以递归迭代树的每个节点。当你到达每一片叶子时，你会计算哈希值。在每个叶节点上，您还可以知道它是否是前缀，访问时间为 O(1)。