海量字符串中查找某个匹配的字符串方法

处理在海量个字符串中找到某个字符串的方法

今天收到intel面试，问我一个问题，如何在一万个字符串中找到某个相关的字符串？当时感觉打得不好，回头自己又想了想，现写下感想。

方法1：最笨的方法，一个一个的遍历

方法2：采用划分子集的方法，首先以第1个字符进行划分，将a到z开头的字符串划分到不同的子集中，然后比较，接着，再到相应子集中进行划分，在比 较，一直到找到为止，这个方法相较于方法1是：1，相对于每次比较的字串而言，所有首字母不相同的不再进行比较，比方说happy，肯定去以h为首字母的 集合中进行比较，然后对于子串appy，只要到所有子串以a为首字母的集合中进行比较，如此下去，时间花费主要在于划分子集上，而划分子集的次数又跟 happy的长度有关系，所以只需划分5次即可，所以时间复杂度是O(mn)，m是要寻找字符串的长度，n是原始字符串集合大小。

方法3:采用正则表达式匹配，比如还是happy，假如将原始集合中的所有字符串和正则表达式pattern = ^h[A-Za-z]+y$进行匹配，接着在对app这个子串和子集合中进行正则表达式匹，pattern=^a[A-Za-z]+p$,最后对p进行匹配即可，时间复杂度O(mn)

方法4：采用Hadoop海量数据处理，将海量字符串分到不同的map任务中，每个任务，进行对字符串在相应的node上进行查找，接着对于所有的map的结果交给reduce任务分析，这仅仅是个方案，具体时间复杂度的话，看你有多少个map任务了。

方案5：采用trie树，对这海量字符串构建一颗trie树，然后在trie树中查找该字符串，trie树的优势在于对于前缀一样的字符串都可以在一次匹配查找中得到，时间复杂度在于构建trie树复杂度，和trie树的高度。

方案6：可以采用编译原理学到的自动机，最近再看编译原理突然想到，不过对于海量数据，具体情况怎么样，还得我继续探索~~