pid1 kid1 pid3 kid1 pid1 kid2 pid1 kid3 pid2 kid3 pid2 kid4
pid1 kid1,kid2,kid3 pid2 kid3,kid4 pid3 kid1
* 原始文本大概有2億多行php
pid1 kid1 pid1 kid2 pid1 kid3 pid2 kid3 pid2 kid4 pid3 kid3
pid1 kid1,kid2,kid3 pid2 kid3,kid4 pid3 kid1
# sort -k 1 -n src.txt > sort1.txt # cat sort1.txt | php -B ' $pidtmp = 0; $kidtmp = array(); ' -R ' list($pid, $kid) = explode("\t", $argn); if($pid != $pidtmp) { echo "\n".$pidtmp."\t".implode(",", array_keys($kidtmp)); $pidtmp = $pid; $kidtmp = array(); } $kidtmp[$kid] = 1; '
以上兩條命令可實現需求,共耗時半個小時左右html
本需求中存在一個原始文檔,這個文檔是經過其它程序生成的。那麼存在一個疑問,爲何其它程序生成文檔時,不直接生成所須要的格式(即以上示例的最終格式),而是生成一箇中間格式的文檔。mysql
其實在設計以前的程序時,確實就是指望直接輸出以上的最終文檔,但出現一個問題就是這個最終文檔要怎麼存儲,存mysql仍是nosql。嘗試過mysql,一共有2億行結果,每一行就須要讀、寫一次mysql,時間成本過高。而後也嘗試了redis,使用列表存儲,每一行原數據,只須要寫一次redis的列表,能夠減小一次讀,然而時間仍是太長,因此纔將中間結果輸入到文本。再使用以上提到的2條命令將結果轉換爲最終格式,時間成本大下降。redis
若是有另一個程序須要根據pid來搜索以上生成的最終文檔,能夠借鑑另外一篇文章 ,入口sql