我有以下形式的数据：

ID   ATTR
3    10
1    20
1    20
4    30
...  ...

其中ID和Attr未排序且可能包含重复项. ID的范围是1-20,000左右,ATTR是unsigned int.我需要在一次处理100,000到500,000对之间的任何地方.

我在寻找：

>唯一对的数量.
>弹出非唯一对的次数.

所以在上面的数据中,我想知道(1,20)出现两次,并且有3对独特的对.

我目前正在使用我的天真方法中的哈希表.我保留一个唯一对的计数器,如果我插入的项目已经存在,则递减计数器.我还保留了一组非唯一对的ID. (所有初次见面时)

性能和尺寸大致相同.考虑到性能和尺寸问题,我实际上可以获得相对较高(假设为0.5％)的误报率. (我也使用频谱绽放实现了这个)

我不那么聪明,所以我确信那里有更好的解决方案,我想听听你最喜欢的哈希表实现/任何其他想法. 🙂

最佳答案 包含< id> =< attr>等密钥的哈希表是这个问题的绝佳解决方案.如果你可以容忍错误,我猜你可以变得更小/更快.但你真的需要这样做吗？