在一个包含1亿条记录的大文件中搜索一条完整记录时，我会使用哪种算法理论？

Question

最近，我遇到了一个面试问题，

  

一个日志文件包含1亿条记录，如何设计有效的搜索文本算法来降低内存使用量和时间成本。

     

每个记录格式为：时间戳（8位）\ tid_number（15位）\ trecording_content

     

给出关键字（exp：id_number或时间戳记），您必须返回完整的行记录信息。每个id_number的前缀8位数字相同，每个时间戳的前缀6位数字相同。

我想使用与二叉树相关的树算法。后来，我搜索了一些答案，有人建议使用反向索引搜索。但是我不知道要牺牲内存和时间成本，有什么想法吗？

Answer 1

如果有人问我这个问题，我将首先提出问题以查找有关问题域的更多信息。一些开始的问题：

• 记录是否按特定顺序排列？
• 记录是否全部相同长度或可变长度？
• 记录长度是否有一定范围？

听起来索引在这种情况下（日志文件）似乎没有用，所以我不会讨论与索引有关的问题。

对于日志文件，时间戳似乎是正确的。这样一来，您就可以使用二进制搜索，而二进制搜索可能会因长度可变的记录而变得复杂。

如果按固定的时间间隔添加记录，以使时间戳记是文件中偏移的近似线性函数，则可以通过基于线性插值进行估计来改善二进制搜索-google 插值搜索。