这是一个创建于 108 天前的主题，其中的信息可能已经有所发展或是发生改变。
有这样一个需求，首先是有 100 万个 md5 值(不重复，提前录入)
然后每隔 10 秒会产生 300 个新的 md5 值
现在的要求是拿这 300 个去与 100 万个对比，查询出这 300 个里面哪些是包含在那 100 万个里面的，需要极致的速度，越快完成越好。
之前同事用 redis 集合处理，据说好像是 30-40 毫秒(我不确定这个时间是否准确)，依旧说还没达到要求，还能不能再极限一点
对了，还有个要求，就是那 100 万个 md5 值，不能丢，需要持久化保存，系统重启之后依旧要在。
求大佬们指点一下思路，主要是速度要快，快，快。
先提前感谢各位大佬的思路。
第 1 条附言 · 108 天前
确实是自己想复杂了，这个数量级确实不大，直接走内存怎么来都快，感谢大家指点
20 条回复 • 2024-09-04 14:44:31 +08:00
 |
1
tool2dx 108 天前
md5 是 16 个字节，100 万也才 16,000,000 字节，约合 16M 内存。
redis 已经很快了，再快怕只有手搓一个 hash 查找表了。 |
 |
2
sky497134710 108 天前
md5 -> 二进制 -> redis 位图
|
 |
3
MoYi123 108 天前
速度 30-40 毫秒的话, 我觉得很有可能是用 for 循环查了 300 次 redis, 或者是连 redis 的网络不行. 想个办法写成一句查询, 一次性返回 300 个结果.
如果新 md5 大概率不在这 100 万个里面, 可以外面套一层 bloomfilter, 减少查询量. |
 |
4
Kaiv2 108 天前
直接预加载到机器内存中，消耗时间 0 毫秒
|
 |
5
sagaxu 108 天前
redis pipeline 了解一下
|
 |
6
aflow 108 天前
查询的时候和布隆过滤器组合使用，过滤下应该可以快不少
|
|
7
sagaxu 108 天前
新版 redis 有 SMISMEMBER
|
 |
8
PTLin 108 天前
那就加载到本机然后前缀树匹配不行吗，我试了下 6800h 单线程匹配也就 1 毫秒
|
 |
9
fruitmonster 108 天前
布隆不行么？
|
 |
10
yagamil 108 天前
我觉得 mysql 都够用了，索引+ in 语句
|
 |
11
bugmakerxs 108 天前
把数据加载到内存生成字典树。
|
 |
12
wxf666 108 天前
就 16MB 内存数据，你直接用语言自带的 Hash / HashMap / Dict / Object / Unordered_map / Table ，不行吗？
|
 |
13
GeekGao 108 天前
30-40 毫秒 都不能满足要求？ 那就只能自己撸数据结构了：使用 Bloom Filter + Bit Array 组合 ，用 C/C++实现。还要考虑利用 SIMD 指令加速。
|
 |
14
sillydaddy 108 天前 via Android  1
楼上都是看见问号就开始解题的，你这根本就是无效需求：10 秒才产生 300 个数据，只花 30 毫秒的处理时间还嫌慢，剩下的时间去睡觉吗？这种需求就像原本的目标是从北京到拉萨，却问怎么提高长跑速度。
|
 |
15
duosqs 108 天前
可以结合归并排序的思路，只会扫一遍 100 万的数据。
|
 |
16
netnr 108 天前
|
 |
17
RandomJoke 108 天前
100w 的数据要是不变的，直接启动进内存 hashmap 就行了，布隆主要解决空间问题，你这要是不变的直接 hashmap
|
 |
18
lyxxxh2 108 天前
刚想说加载为内存变量,大家都是这么想的。
|
 |
19
otakustay 108 天前
才 100 万个，1000 万以下我直接内存开 HashMap
|
 |
20
xuelu520 108 天前
redis pipeline 应该就行了，现在主要耗时在连接 redis 上。
|
Select Language