[PHP] PHP多个进程配合redis的有序集合实现大文件去重
2023-02-18 15:41:16 时间
1.对一个大文件比如我的文件为
-rw-r--r-- 1 ubuntu ubuntu 9.1G Mar 1 17:53 2018-12-awk-uniq.txt
2.使用split命令切割成10个小文件
split -b 1000m 2018-12-awk-uniq.txt -b 按照字节切割 , 支持单位m和k
3.使用10个php进程读取文件 , 插入redis的有序集合结构中 , 重复的是插不进去的 ,因此可以起到去重的作用
<?php $file=$argv[1]; //守护进程 umask(0); //把文件掩码清0 if (pcntl_fork() != 0){ //是父进程,父进程退出 exit(); } posix_setsid();//设置新会话组长,脱离终端 if (pcntl_fork() != 0){ //是第一子进程,结束第一子进程 exit(); } $start=memory_get_usage(); $redis=new Redis(); $redis->connect('127.0.0.1', 6379); $handle = fopen("./{$file}", 'rb'); while (feof($handle)===false) { $line=fgets($handle); $email=str_replace("\n","",$line); $redis->zAdd('emails', 1, $email); }
4. redis中查看获取的数据
zcard emails 获取元素个数
取一定范围的元素 , 比如从100000开始 到 100100结束
zrange emails 100000 100100 WITHSCORES
相关文章
- [日常] 修复了grub引导问题
- [labuladong算法小抄]如何判断回文链表
- [MySQL] docker下安装使用mysql配置主从复制
- [日常] lscpu查看cpu的详细信息
- [日常] 高并发抢购方案的思考
- [日常] 免费的文本比较工具Meld使用
- [css] 使用css画文件夹icon和话筒icon
- [日常] 神奇的引导问题deepin与win10
- [日常] 使用TCPDUMP和Ethereal抓包分析HTTP请求中的异常情况
- [PHP] 解决chrome新版same-site策略跨域无法记录cookie
- [labuladong算法小抄]如何k个一组反转链表
- [视频教程] 基于redis的消息队列实现与思考
- [labuladong算法小抄]递归反转链表一部分
- [日常] 项目中业务绑定手机验证手机号的实现
- [视频教程] 使用docker的方式安装redis
- [日常] Redis中set集合的使用思考
- [日常] 跨语言的POST请求问题的解决
- [labuladong算法小抄]二分查找详解
- [PHP] 基于redis的分布式锁防止高并发重复请求
- [日常] 安装windows+deepin双系统