我有一个名为fileA的大数据文件，其格式如下
col1 0.1111,0.2222,0.33333,0.4444
col5 0.1111,0.2222,0.33333,0.4444
col3 0.1111,0.2222,0.33333,0.4444
col4 0.1111,0.2222,0.33333,0.4444
第1列和第2列之间的分隔符是\ t。其他分隔符是逗号。 我有另一个文件，其中包含我感兴趣的行名称，名为fileB，如下所示：
col3
col1
...
两个文件都没有排序。我想从fileA中检索名称出现在fileB中的所有行。代码grep -f fileB fileA完成了这项工作，但我认为它将搜索fileA中的所有文件，这需要很长时间。如何仅指定搜索fileA中的第1列？
答案 0 :(得分：1)
join <(sort -t $'\t' -k 1 fileA) <(sort -t $'\t' -k 1 fileB)
文件在O（n.log（n）+ p.log（p））中排序，然后它们在O（n + p）中合并，我认为我们不能做得更好。
编辑好的，我们可以使用哈希表做得更好，该表将是O（n + p）。
答案 1 :(得分：0)
没有排序的线性时间O（n）解。 （我没有测试，希望没有错字）：
awk -F'\t' 'NR==FNR{a[$0]=7;next}a[$1]' fileB fileA
请注意，哈希表上的get操作被视为O(1)