[PHP] PHP多个进程配合redis的有序集合实现大文件去重

1.对一个大文件比如我的文件为

-rw-r--r--  1 ubuntu ubuntu  9.1G Mar  1 17:53 2018-12-awk-uniq.txt

 

2.使用split命令切割成10个小文件

split -b 1000m 2018-12-awk-uniq.txt    -b 按照字节切割 , 支持单位m和k

 

 3.使用10个php进程读取文件 , 插入redis的有序集合结构中 , 重复的是插不进去的 ,因此可以起到去重的作用

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

<?php   $file=$argv[1]; //守护进程 umask(0); //把文件掩码清0 if (pcntl_fork() != 0){ //是父进程，父进程退出         exit(); }    posix_setsid();//设置新会话组长，脱离终端 if (pcntl_fork() != 0){ //是第一子进程，结束第一子进程          exit(); }        $start=memory_get_usage();   $redis=new Redis(); $redis->connect('127.0.0.1', 6379);   $handle = fopen("./{$file}", 'rb'); while (feof($handle)===false) {         $line=fgets($handle);         $email=str_replace("\n","",$line);         $redis->zAdd('emails', 1, $email); }

 

4. redis中查看获取的数据

zcard emails  获取元素个数

取一定范围的元素 , 比如从100000开始 到 100100结束

zrange emails 100000 100100 WITHSCORES