使用排序O（mlog（n））或散列O（m + n）以及额外空间O（m）或O（n）或O（m + n）中的索引增量方法，有几种方法可以解决此问题）。
但是如果内存有限并且我的数组大小在数百万的范围内，我会更感兴趣。
我们可以将数组A或B分成几段并将其加载到内存中，但我想知道是否有更好的方法。
答案 0 :(得分：2)
element distinctness问题（至少与您的问题一样难）是O(nlogn)而不使用任何额外空间。
但是，使用实际上可以在平均情况下改进的散列解决方案。
您建议的方法实际上是在数据库系统中实现intersection的方法之一：
创建k存储桶（在磁盘上），迭代列表，并将每个元素e添加到bucket[hash(e)]。
一旦完成，假设有足够的空间使每个桶足够小以便加载到内存 1 ，你只需要为每个列表加载bucket[i] - 并且在每个桶的内存交集（基于排序和迭代）中。
结果将为您提供交叉点的答案 - 这是常见元素。
在数据库系统中完成（交叉）的另一种方式是使用external sort（通常是合并排序的变体）并迭代，或创建针对磁盘优化的索引（例如B+ trees）
（1）通常情况下，如果不是这样的话 - 重复每个桶的进程（具有不同的哈希函数），直到你有足够小的桶。
答案 1 :(得分：1)
如果数组已排序，则只需同时遍历数组并复制常用元素。如果是大型数组，请加载它们的一部分。
答案 2 :(得分：1)
您可以使用外部合并排序来使用有限的RAM进行排序。 http://en.wikipedia.org/wiki/External_sorting