要求找出A和B中的共同url。常规方法及不足最简单的方法是将A和B分别载入内存,然后逐一比对找出交集。但每个文件达到320GB,远超过4G内存限制,无法操作。...先分别对A和B进行排序,然后归并式地求交集。此方法需要多轮磁盘IO,在数据规模巨大时同样低效。布隆过滤器解法基于上述分析,需要一种能够快速判断元素是否在集合中的数据结构。...,则输出 } } }}这个示例先初始化了两个布隆过滤器,然后分别加载两个文件的url,最后判断文件B中的url是否在过滤器A中,从而找出交集。...判断不存在的元素时,可能会产生少量的误判布隆过滤器的原理是,使用多个随机映射函数将元素映射到一个位向量中,判断元素是否在集合中时,检查它在位向量中的位置是否都为1。...算法实现基于布隆过滤器,可以设计一个求两个文件交集的算法:根据文件A的数据规模和可接受的误判率,初始化布隆过滤器A;遍历文件A,将每个url输入到过滤器A中;同样初始化过滤器B,遍历文件B将元素输入过滤器