让唉，你正在为你的网站分析程序，在其中您登录每次你访问它时页面的地址，让你的log.txt可能是找到一套最常见的元素
x.com/a
x.com/b
x.com/a
x.com/c
x.com/a
没有计数器，它只是一个日志文件，并没有使用sql，因为这有成千上万的元素，你有一千个独特的域名地址（x.com/a x.com/b），什么是最有效的方式通过这个名单，并吐出前10名的网址。
我最好的解决方案是通过日志文件，然后如果该域不存在于散列表中，则将其作为关键字添加，然后增加它的值;然后在散列上搜索最大的10个值。
我不相信这是最好的解决方案，不仅是因为空间的复杂性（如果独特的领域从几千到几百万，会发生什么），而且我需要在散列表上进行另一次搜索找到最大的价值。
即使只有几千或几百万个条目 - 您的方法非常好 - 它的运行时间平均为线性 - 所以它并没有那么糟糕。
但是，如果您想要更高的可伸缩性，则可以使用map-reduce方法。
map(file):
for each entry in file:
emitIntermediate(getDomainName(entry),"1"))
reduce(domain,list):
emit(domain,size(list))
以上将有效地让你的(domain,count) tupples列表，所有你需要做的就是选择前10
选择前10名可以使用的map-reduce来完成（分布式）对可扩展性进行排序 - 或者使用最小堆（迭代，同时保持堆中遇到的前10个元素）。二是在this thread
更多的细节解释关于空间复杂度：如果您使用的是64位系统，你可以使用它作为RAM，并让OS做它罐（通过交换元素盘如果需要的话），你很可能不会需要在64位机器上的Virtual Memory的数量。另一种方法是使用为文件系统优化的散列表（或B+ tree），并对其执行相同的算法。
但是，如果这确实是这样的 - 和数据不适合RAM，并且你不能使用的map-reduce，我怀疑排序和迭代 - 虽然会O(nlogn)将更有效率（使用外部排序） - 因为磁盘访问的数量将最小化，并且磁盘访问速度比RAM访问慢得多。
我建议每次检查文件都是错误的方法。更好的解决方案可能是解析文件并将数据推送到数据库（ravendb，或另一个no-sql应该是最简单的）。一旦出现，查询数据变得微不足道，即使数据量非常大。