問題由來

前些天工作中遇到一個問題:

有 60萬 條短消息記錄日志,每條約 50 字,5萬 關(guān)鍵詞,長度 2-8 字,絕大部分為中文。要求將這 60萬 條記錄中包含的關(guān)鍵詞全部提取出來并統(tǒng)計各關(guān)鍵詞的命中次數(shù)。

本文完整介紹了我的實現(xiàn)方式,看我如何將需要運(yùn)行十小時的任務(wù)優(yōu)化到十分鐘以內(nèi)。雖然實現(xiàn)語言是 PHP,但本文介紹的更多的思想,應(yīng)該能給大家一些幫助。


原始 - grep

設(shè)計

延伸閱讀

學(xué)習(xí)是年輕人改變自己的最好方式-Java培訓(xùn),做最負(fù)責(zé)任的教育,學(xué)習(xí)改變命運(yùn),軟件學(xué)習(xí),再就業(yè),大學(xué)生如何就業(yè),幫大學(xué)生找到好工作,lphotoshop培訓(xùn),電腦培訓(xùn),電腦維修培訓(xùn),移動軟件開發(fā)培訓(xùn),網(wǎng)站設(shè)計培訓(xùn),網(wǎng)站建設(shè)培訓(xùn)學(xué)習(xí)是年輕人改變自己的最好方式