Question

写这个：

N = args[1].split("\\s+").length;

使用命令行参数如：echo "A B C D E F G H I" | java Subset 3，如果我使用"A B C D E F G H I"将.split()字符串解析为字符串数组，它会消耗类似的内存吗？

我的说法是（作为挑战）学生（我）可以尝试从N字符串（N = 9，A到I）随机均匀地显示K个字符串（上面的cmd行中的K = 3））输入，同时消耗与K成比例的内存，而不是N. 这基本上就是我想要做的事情。

编辑：mvp的回答很有帮助。现在更好地理解这个问题。

但是我觉得我应该补充说我只允许使用它：

private static Scanner scanner = new Scanner(new BufferedInputStream(System.in), charsetName);

我不能单独使用Scanner课程，或BufferedReader就此而言。鉴于这种限制，我有点不确定如何继续。

Answer 1

这可以解决未知长度的输入数据流（也就是说，我们仅停止EOF，并且不关心N是什么），并且将使用与K成比例的存储器。

首先，让我们解决K = 1。如果我们开始阅读输入流，我们应该假设第一个项目（在你的例子中是A）应该是我们的答案 - 因为如果没有输入，那一定是它。当我们阅读第二项时，我们应该考虑将其作为我们的答案，而不是A，概率为1/2。当我们阅读第3项C时，我们应该以概率1/3来看待它，依此类推。该算法将从输入流中随机选择1个项目，而不事先知道项目数量（每个项目具有相同的概率）。

对于K = 2，K = 3（或更多），我们采用类似的方法。例如，对于K = 3，请阅读3个项A，B，C并将其用作答案。当我们阅读第4项时，我们应该以{{1}}（K / N）的概率选择它，并用它来替换其中一个活动项，其概率为3/4。然后继续这样做直到输入流的EOF，最后打印3个活动项目。

Answer 2

是的，它将使用相同的内容，因为String[]数组的创建始终是split数组，即使您没有明确地将其存储在任何位置。

我建议您按以下方式从输入中提取单词：

创建List wordList以存储3个字。
生成介于0和输入长度减去1之间的随机数。
如果对应于随机数的位置是空格，则生成新的随机数，直到该位置不是空格。
使用最后一个随机数作为起点，返回搜索空格或输入开头的输入。这个（+1）定义了一个单词的开头。
再次使用相同的随机数作为起始点，在输入中搜索空格或输入的结尾。这个（-1）定义一个单词的结尾。
如果此单词已在wordList中，则将其丢弃并从步骤2开始重复。
如果没有，请将其添加到列表中。
如果列表的大小小于3，也请从步骤2开始重复。
列印清单。

在此过程中，您只在内存中存储了3个字（K），而不是9（N）。

扫描也可以通过以下方式进行：

    import java.util.Scanner;

    public class MyProgram {
        public static void main(String... args) {
            final int K= 3 ;
            String[] words= new String[K] ;
            int wordCount= 0 ;
            int nextWord= 0 ;
            Scanner scanner= new Scanner(System.in) ;
            while( scanner.hasNext() ) {
                String word= scanner.next();
                wordCount++;
                if( nextWord < K ) {
                    words[nextWord]= word ;
                    nextWord++;
                } else {
                    int replacePos= (int)(Math.random()*wordCount) ; 
                    if( replacePos < K ) {
                        words[replacePos]= word ;
                    }
                }
            }
            scanner.close();
            for(String word: words ) {
                System.out.println(word);
            }
        }
    }

Answer 3

@mvp对于案例K = 1具有正确的解决方案，但是当K> 1时1取项目M的正确概率是K / M，而不是1 / M（在你的情况下，你应该选择概率为3/4的第4项，第5项概率为3/5，依此类推）。

顺便说一下，这被称为reservoir sampling。

从未知大小的输入读取数据子集：使用特定语法的内存使用情况。（水库采样）

3 个答案:

从未知大小的输入读取数据子集：使用特定语法的内存使用情况。 （水库采样）

3 个答案:

从未知大小的输入读取数据子集：使用特定语法的内存使用情况。（水库采样）