- 综合排序
- 最热优先
- 最新优先
- 来自专栏苏三说技术
10亿QQ号如何去重？
前言 最近在网上看到一个问题：10亿QQ号如何去重？ 我觉得挺有意思的。 今天这篇文章跟大家一起分享一些常见的解决方案，希望对你会有所帮助。 一、技术难点 1.1 数据规模分析 原始数据：10亿×8字节 = 8GB HashSet去重：至少16GB内存（Java对象开销） 理想方案：<1GB内存 1.2 核心挑战 二、单机解决方案：位图法 2.1 架构层 技术栈 处理目标 批处理层 Spark + HDFS 全量数据去重 速度层 Flink + Redis 实时增量去重 服务层 Spring Boot + HBase 统一查询接口 6.3 实时去重实现 增量数据实时处理 O(n) O(1) 100% 分层位图索引 超大规模精准去重 O(n)压缩存储 O(1) 100% 九、实战经验与避坑指南 9.1 数据倾斜解决方案 问题场景：部分QQ号段过于集中 亿QQ号去重的本质，是将问题拆解到每个计算单元都能高效处理的粒度。
36110编辑于 2025-07-17 - 来自专栏天罡gg
SQL分割与去重
--创建实现split功能 的函数------------ create function f_split(@SourceSql varchar(8000),@StrSeprate varchar(10 if @SourceSql<>'' insert @temp values(@SourceSql) return end GO -----------创建实现split并去重功能 的函数------------ create function SplitAndDistinct(@SourceStr varchar(500),@StrSeprate varchar(10))
64030编辑于 2022-12-02 - 来自专栏技术进阶
Golang数组去重&切片去重
合并两个整型切片，返回没有重复元素的切片，有两种去重策略 1. 通过双重循环来过滤重复元素（时间换空间） // 通过两重循环过滤重复元素 func RemoveRepByLoop(slc []int) []int { result := []int{} / 效率第一，如果节省计算时间，则可以采用如下方式 // 元素去重 func RemoveRep(slc []int) []int{ if len(slc) < 1024 { //
4.8K20编辑于 2022-09-21 - 来自专栏Python爬虫与算法进阶
scrapy去重与scrapy_redis去重与布隆过滤器
在开始介绍scrapy的去重之前，先想想我们是怎么对requests对去重的。requests只是下载器，本身并没有提供去重功能。所以我们需要自己去做。 scrapy的去重 scrapy对request不做去重很简单，只需要在request对象中设置dont_filter为True，如 yield scrapy.Request(url, callback ，如果任务重启，会导致内存中所有去重队列消失 scrapy-redis的去重 scrapy-redis重写了scrapy的调度器和去重队列，所以需要在settings中修改如下两列 # Enables 该函数的作用是：计算该请求指纹，添加到redis的去重队列，如果已经存在该指纹，返回True。 means 2^30 = 128MB, defaults to 30 BLOOMFILTER_BIT = 30 # Persist SCHEDULER_PERSIST = True 其实也是修改了调度器与去重方法
2.7K20发布于 2019-05-06 - 来自专栏刷题笔记
1-10 链表去重 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/100149932 1-10 链表去重 (20 分) 给定一个带整数键值的链表 L，你需要把其中绝对值重复的键值结点删掉 例如给定 L 为 21→-15→-15→-7→15，你需要输出去重后的链表 21→-15→-7，还有被删除的链表 -15→15。 随后 N 行，每行按以下格式描述一个结点： 地址 键值 下一个结点 其中地址是该结点的地址，键值是绝对值不超过104的整数，下一个结点是下个结点的地址。 输出格式： 首先输出去重后的链表，然后输出被删除的链表。每个结点占一行，按输入的格式输出。 题目大意：给一个链表，去重（去掉值或者绝对值相等的），先输出删除后的链表，再输出删除了的链表。 分析：用结构体数组存储这个链表，大小为maxn = 100000，node[i]表示地址为i的结点。
74950发布于 2019-11-08 - 来自专栏图灵技术域
Dedupe去重与实体对齐
下面的代码将对第三列name去重 代码： # Site: www.omegaxyz.com # *_*coding:utf-8 *_* import os import csv import logging 相关文章 图神经网络（GNN）TensorFlow实现 Aminer学术社交网络数据知识图谱构建（三元组与嵌入） 基于知识图谱的问答系统Demo 图注意力网络(GAT) TensorFlow实现 知识图谱可视化 Demo ICLR2021图神经网络与知识图谱相关论文 冯诺依曼图熵（VNGE）Python实现及近似计算 神经网络高维互信息计算Python实现（MINE） 基于Embedding的实体对齐前瞻 GCC
1.6K30发布于 2021-05-21 探针转换与基因去重
title: "探针转换与基因去重"output: html_documenteditor_options: chunk_output_type: console需要R包版本2.3.1及以上rm(list = ls())#打破下载时间的限制,改前60秒，改后10w秒options(timeout = 100000) options(scipen = 20)#不要以科学计数法表示一、多个探针对应同一个基因的情况 rowMean) %>% # 列名变成行名 column_to_rownames(var = "symbol")#> Error: object 'exprSet' not found#方法有三种：1.随机去重 2.取行平均值最大的探针 3.取多个探针的平均值.此处为"方法2".注：基因去重这个部分要重视起来。 knitr::opts_chunk$set(#> collapse = TRUE,#> comment = "#>"#> )#> knitr::opts_chunk$set(fig.width = 10
23410编辑于 2025-06-15- 来自专栏ENSP
ensp路由重分发
路由重分发（Route Redistribution）是指路由器将从一种路由协议学习到的路由信息，通过另一种路由协议通告出去的功能。 路由重分发的作用是将不同路由协议的路由信息进行互通， 创建冗余路由路径，以及负载平衡流量。 RIP路由重分发到OSPFRIP路由重分发到OSPF是指将RIP路由协议学习到的路由信息重新注入到OSPF路由协议中。 OSPF路由重分发到RIPOSPF路由重分发到RIP是指将OSPF路由协议学习到的路由信息重新注入到RIP路由协议中。 与 RIPv1 相比，RIPv2 是路由信息协议的更高级版本，并提供环回地址支持和路由标记等功能。
49010编辑于 2024-04-24 【去重算法】有序去重和无序去重，C语言版
有序去重 时间复杂度：O(N) 思路： 1.双指针方法，一个用来遍历整体数组，另一个用来维护去重后的空间。 2.如果两个指向的数大小是不同的，则维护空间++,并且把新的数加进去。 = arr[i]) { num++; arr[num] = arr[i];//注意两句的逻辑顺序 } } return 0; } 无序去重 时间复杂度：O(N^2) 思路： 1.和有序去重思路相似，建立双指针。 2.不同的是判断是否重复，每一次判断都需要在已经去重的范围里循环一遍。
13710编辑于 2025-12-16- 来自专栏爬虫资料
中间件实现任务去重与精细化分发：设计模式与常见陷阱
一、从设计模式谈起：任务去重这件小事，其实不小在大多数抓取项目里，任务去重看上去是个再普通不过的小功能。 二、把架构映射到抓取系统：去重与分发的隐形逻辑如果你做过分布式采集，肯定见过那种“任务爆炸”的场面： 同一个关键词被多个节点同时抓，结果浪费了带宽、代理、CPU，还导致数据库里一堆重复数据。 我们可以用 eBay 的商品搜索页面作为实验场景，试着让一个简单的抓取具备“去重 + 分发”的能力。 它的运行逻辑大致是这样：先生成一批关键词搜索任务；每个任务在执行前先经过去重中间件过滤；通过分发中间件选择代理（这里我们使用爬虫代理服务）；携带代理和伪装信息发起请求；最后解析商品标题、价格、发货地点和上架时间 更深层的意义在于—— 我们开始不只是“写代码去抓数据”，而是 在构建一个有调度、有反馈、有演化能力的数据系统。 去重，是让系统不浪费；分发，是让资源更高效；中间件，就是让这一切井然有序的关键角色。
21610编辑于 2025-10-23 - 来自专栏Ryan Miao
Java中对List去重, Stream去重
问题 当下互联网技术成熟，越来越多的趋向去中心化、分布式、流计算，使得很多以前在数据库侧做的事情放到了Java端。今天有人问道，如果数据库字段没有索引，那么应该如何根据该字段去重？ 你需要知道HashSet如何帮我做到去重了。换个思路，不用HashSet可以去重吗？最简单，最直接的办法不就是每次都拿着和历史数据比较，都不相同则插入队尾。而HashSet只是加速了这个过程而已。 ，那么是如何去重的呢？ 在本题目中，要根据id去重，那么，我们的比较依据就是id了。 回到最初的问题，之所以提这个问题是因为想要将数据库侧去重拿到Java端，那么数据量可能比较大，比如10w条。
9.7K70发布于 2018-04-16 - 来自专栏全栈程序员必看
js数组去重的10种方法
unique([1, 1, 2, 3, 5, 3, 1, 5, 6, 7, 4])); // 结果是[1, 2, 3, 5, 6, 7, 4] Methods 2: 思路：先将原数组排序，在与相邻的进行比较 console.log(unique9([1, 1, 2, 3, 5, 3, 1, 5, 6, 7, 4])); // 结果是[1, 2, 3, 5, 6, 7, 4] Methods 10 function unique10(arr) { //Set数据结构，它类似于数组，其成员的值都是唯一的 return Array.from(new Set (arr)); // 利用Array.from将Set结构转换成数组 } console.log(unique10([1, 1, 2, 3, 5, 3, 1, 5, 6,
79520编辑于 2022-09-14 10GB以上TXT去重方法介绍
，实际上操作系统不会让我们这么一直在内存添加数据，而且是会有限制的 （2）32操作系统和64位操作系统去重支持最大数不一样，64位支持更多数据去重，但是不能用32位程序在64操作系统去重，这样就相当于32 位去重。 所以现在根本没有软件可以做到超大文本去重，受限于哈希表的长度和内存限制，根本无法做到软件达到一次去重，超大文本去重目前只可能是一种方法那就是将数据存入数据库用数据库去重。 虽然我们不能做到一次性去重，但是我们还是可以通过其他方法去重，为此笔者想到一种分块去重思想，虽然不能把所有文本去重，但是可以分成块，一块一块去重，这样可以降低文件大小，不失为一种好方法，一旦把文件大小降下来我们就可以降低去重任务数和占用空间 ，分块去重好处就是对内存没有要求，对操作系统也没有要求。
12600编辑于 2025-07-18- 来自专栏全栈程序员必看
array去重 java_java 数组去重
public static void main(String[] args){
3.8K10编辑于 2022-07-02 - 来自专栏Flink实战剖析
Flink去重第三弹：HyperLogLog去重
HyperLogLog算法 也就是基数估计统计算法，预估一个集合中不同数据的个数，也就是我们常说的去重统计，在redis中也存在hyperloglog 类型的结构，能够使用12k的内存，允许误差在0.81% www.jianshu.com/p/55defda6dcd2里面做了详细的介绍，其算法实现在开源java流式计算库stream-lib提供了其具体实现代码，由于代码比较长就不贴出来(可以后台回复hll ,获取flink使用hll去重的完整代码 在开发中更多希望通过sql方式来完成，那么就将hll与udaf结合起来使用，实现代码如下： public class HLLDistinctFunction extends AggregateFunction getValue(HyperLogLog accumulator) { return accumulator.cardinality(); } } 定义的返回类型是long 也就是去重的结果
3K20编辑于 2022-04-18 - 来自专栏国产程序员
数组去重
也就是将当前元素与他后面的所有元素作比较，只要碰到与当前元素相等的情况，利用j = ++i重新开始外层大循环。 console.log(distinct(arra)); //返回[3,4,2,1] </script> 利用两个for循环和splice方法 思路 对数组中的每一项，与该项后面的每一项比较 console.log(b); //1,2,3,4,5,6,56 </script> 利用sort和splice 思路：先用sort方法将数组排序，然后在老数组中循环遍历，将当前项与他的后一项比较
4K30发布于 2019-07-03 【数据去重】
数据去重的基本思路 数据重复问题通常分为两类：完全重复（所有字段相同）和部分重复（关键字段相同）。解决思路围绕识别、标记或删除重复项展开，需根据业务场景选择保留策略（如保留最新记录或合并数据）。 基于哈希或唯一标识的去重 为每条数据生成唯一标识（如MD5哈希），通过比对标识快速定位重复项。适用于结构化数据表或文件去重。 join(str(value) for value in row.values()) return hashlib.md5(row_str.encode()).hexdigest() 数据库层面的去重 适合实时流水线去重。 业务规则定制 根据业务需求定义去重粒度：时间窗口去重（如1小时内相同数据视为重复）、字段组合去重（如姓名+手机号+地址作为复合主键）。需通过数据建模明确唯一性约束条件。
49710编辑于 2025-08-29- 来自专栏扎心了老铁
hiveQL去重
去重： 以id进行分组，然后取出每组的第一个 select * from (select *,row_number() over (partition by id) num from t_link) t *,row_number() over (partition by id order by create_time desc) num from t_link) t where t.num=1; 将去重后的数据重新存储 ,row_number() over (partition by id order by crt_time desc) num from t_link ) t where t.num=1; 去重之后与其他表
2.5K30发布于 2018-03-05 - 来自专栏python前行者
pybloom去重
1000, error_rate=0.001)# capacity是容量, error_rate 是能容忍的误报率,超过误报率，抛出异常 print([f.add(x) for x in range(10 , False, False, False, False, False, False, False, False, False] print(all([(x in f) for x in range(10 )]))#True print(10 in f)#False print(5 in f)#True f = BloomFilter(capacity=1000, error_rate=0.001) BloomFilter(1000000,0.001,'bf_test.bloom') # 添加100个元素 for x in xrange(1000000): bfilter.add(str(x)) # 与nmap 布隆滤波器是利用很小的错误率代价完美实现了海量数据规模下的去重和判断问题，在平时的大数据研究和开发中，不要总为完美的解决方案而费尽心血，尝试多使用近似的替代方案。
2.6K40发布于 2019-03-25 - 来自专栏solate 杂货铺
slice 去重
break } if k == len(x)-1 { x = append(x, i) } } } } return x } 3.GO语言字符串数组去重 、去空 package main import( "fmt" "sort" ) func RemoveDuplicatesAndEmpty(a []string) (ret []
2.1K20发布于 2019-07-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号