- 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。 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 布隆过滤器 百亿级容忍误差 O(1) O(k) <99.9% 外部排序 单机磁盘处理 磁盘空间 O(n log n) 100% Spark分布式 海量数据批量处理 集群存储 O(n) 100% Redis实时去重 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 10亿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。
36010编辑于 2025-07-17 - 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 - 来自专栏阿泽的学习笔记
【Flink】基于 Flink 的流式数据实时去重
在实时计算 PV 信息时，用户短时间内重复点击并不会增加点击次数，基于此需求，我们需要对流式数据进行实时去重。 一想到大数据去重，我们立刻可以想到布隆过滤器、HyperLogLog 去重、Bitmap 去重等方法。 对于实时数据处理引擎 Flink 来说，除了上述方法外还可以通过 Flink SQL 方式或 Flink 状态管理的方式进行去重。 本文主要介绍基于 Flink 状态管理的方式进行实时去重。 ，我们采用的方法是开一个窗口函数进行统计；而现在的任务是数据去重，对于增量数据来说没法进行开窗运算。 UserBehavior { private String id; private long timestamp; } } 4.总结 以上便是基于 Flink 数据实时去重的所有情况
10.5K50发布于 2020-09-28 【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
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。
12500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 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
思路：利用两个for循环.遍历数组中的每一项，对每一项又遍历这项后面的每一项。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。直到其后面没有重复的元素就push进新数组
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。
49610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) 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 - 来自专栏全栈程序员必看
java数组去重_JAVA数组去重常用方法
“Python”, “C++”, “Java”}; test1(arrStr); test2(arrStr); test3(arrStr); test4(arrStr); } //方法1：通过List去重 newArrStr = list.toArray(new String[1]); //System.out.println(Arrays.toString(newArrStr)); } //方法2：通过Map去重 ; for (String str : arrStr) { map.put(str, str); } System.out.println(map.keySet()); } //方法3：通过Set去重 HashSet<>(); for (String str : arrStr) { set.add(str); } System.out.println(set); } //方法4：通过lambda去重
4.1K20编辑于 2022-09-10 - 来自专栏全栈程序员必看
postgresal去重_postgresql数据库去重方法
数据库去重有很多方法，下面列出目前理解与使用的方法 第一种 通过group by分组，然后将分组后的数据写入临时表然后再写入另外的表,对于没有出现再group by后面的field可以用函数max,min 提取，效率较高 –适合情况：这种情况适合重复率非常高的情况，一般来说重复率超过5成则可以考虑用这个方法 –优点：对于重复率高的数据集的去重，十分推荐用这种方法 –缺点：uuid不能用max或min提取， 如果需要去重的数据集中包含uuid则十分尴尬 create temp table tmp_data1 as select [field1],[field2]…,max(field_special),min
3K30编辑于 2022-11-15 - 来自专栏Flink实战剖析
Flink去重第一弹:MapState去重
去重计算应该是数据分析业务里面常见的指标计算，例如网站一天的访问用户数、广告的点击用户数等等，离线计算是一个全量、一次性计算的过程通常可以通过distinct的方式得到去重结果，而实时计算是一种增量、 此篇介绍如何通过编码方式实现精确去重，以一个实际场景为例：计算每个广告每小时的点击用户数，广告点击日志包含：广告位ID、用户设备ID(idfa/imei/cookie)、点击时间。 去重逻辑 自定义Distinct1ProcessFunction 继承了KeyedProcessFunction， 方便起见使用输出类型使用Void,这里直接使用打印控制台方式查看结果，在实际中可输出到下游做一个批量的处理然后在输出
2.1K30编辑于 2022-04-18 - 来自专栏Flink实战剖析
Flink去重第四弹：bitmap精确去重
Flink去重第一弹:MapState去重 Flink去重第二弹：SQL方式 Flink去重第三弹：HyperLogLog去重 关于hyperloglog去重优化 不得不掌握的三种BitMap 在前面提到的精确去重方案都是会保存全量的数据 ，但是这种方式是以牺牲存储为代价的，而hyperloglog方式虽然减少了存储但是损失了精度，那么如何能够做到精确去重又能不消耗太多的存储呢，这篇主要讲解如何使用bitmap做精确去重。 ID-mapping 在使用bitmap去重需要将去重的id转换为一串数字，但是我们去重的通常是一串包含字符的字符串例如设备ID，那么第一步需要将字符串转换为数字，首先可能想到对字符串做hash，但是hash UDF化 为了方便提供业务方使用，同样需要将其封装成为UDF, 由于snowflake算法得到的是一个长整型，因此选择了Roaring64NavgabelMap作为存储对象，由于去重是按照维度来计算， 关于去重系列就写到这里，如果您有不同的意见或者看法，欢迎私信。 —END—
3.1K10编辑于 2022-04-18 - 来自专栏Rattenking
Array 数组去重 总结10方法（7）
1，常规双循环去重（缺点：循环次数较多） Array.prototype.unique1 = function(){ if(this === null){throw new TypeError('"this 必须在第二个循环外push到新的数组 （2，减少循环次数，在第二个循环中找到相等值，马上退出该循环 （3，每次循环对falg检验 （4，由于第一值直接赋值，所以不用检测第一个值 2，数组的sort先排序再去重（ 7，数组的some方法 Array.prototype.unique10 = function(){ if(this === null){throw new TypeError('"this" is function(val){return val === that[i]}).length === 0){ res.push(that[i]); } } return res; } 10 return val === that[i]})){ res.push(that[i]); } } return res; } 还有lastIndexOf,findIndex等方法也能做去重
52310发布于 2021-01-29
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