perl - 数十億行のファイルを反復処理し、ほとんどの行を出力します

Question

多数の国の行を含むファイルを反復処理し、最も多く発生する国を印刷するための最良のアルゴリズム/アプローチは何ですか？

各行は文字列であり、各行には国名のみが含まれています。

10億の異なる国が存在する可能性があると仮定します。（国は悪い例です）

United States
Iran
India
United States
China
Iran
....
....
Canada //1 billionth line

Answer 1

# Count the unique elements.
my %hash;
while(<>) {
    chomp;
    $hash{$_}++;
}

# Find the key with the largest value.
sub largest_value {
    my $hash = shift;

    my ($big_key, $big_val) = each %$hash;

    while (my ($key, $val) = each %$hash) {
        if ($val > $big_val) {
            $big_key = $key;
            $big_val = $val;
        }
    }

    return $big_key;
}

print largest_value(\%hash);

Answer 2

整数のハッシュを使用できます。行数は多いですが、国名は数に限りがあるため、ファイルサイズはそれほど重要ではありません。

use strict;
use warnings;
my %hash;
while(<>) {
  chomp;
  $hash{$_}++;
}

my @sorted = sort { $hash{$b} <=> $hash{$b} } keys %hash;
print "$sorted[0]: $hash{$sorted[0]}\n";

Answer 3

my $big_count = 0;
my @big_keys;

my %counts;
while (<>) {
    chomp;
    my $count = ++$counts{$_};

    if ($counts == $big_count) {
       push @big_keys, $_;
    }
    elsif ($count > $big_count) {
       $big_count = $count;
       @big_keys = $_;
    }
}

print(join(', ', @big_keys), "\n");

Answer 4

ハッシュテーブルを作成します。keyは国名、valueは出現回数です。