用集算器比较字符串相似性
用集算器比较字符串相似性
【问题】
1、有 1001 个数字串（每个数字串长度不等，都是 0~9 之内），每一个数字串都和另外 1000 个中找出相同数最多和不同数最多的数字串（等于 1001 个数字数字串都要找一次）
2、就是如果第 1 行和第 1001 行都含有 1，算是相同数有 1 个；如果只有第 1 行数字串含有 1，而第 1001 行数字串没有，算是不同数有 1 个；
3、在数据库中用最少的步骤实现；
4、由于 1001 个数字串会每 3 分钟更新一次，因此要最快或者最少的步骤完成；
5、如果 1001 个成倍增长，变成 2001 个、7001 个，可以同样算法么？
【回答】
提问者需要逐条比较所有 1000 条字符串，甚至更多。用 Mongodb 没有提供这么复杂的运算，只能把数据读出来再处理，但用 Java 硬写比较麻烦，可以试试用集算器来处理，代码要简单些：
| A | B | C | D | |
|---|---|---|---|---|
| 1 | =connect(“test”) | =A1.query@x(“select str from x”) | ||
| 2 | =create(str,md,ms) | |||
| 3 | =B1.(~.str.split()) | >debug(now()) | ||
| 4 | for A3 | >diff=same=0 | ||
| 5 | for A3 | if B5 != A4 | =A4\B5 | |
| 6 | >diff=[D5.len(),diff].max() | |||
| 7 | >same=[A4.len()-diff,same].max() | |||
| 8 | =A2.record([A4.concat(),diff,same]) | |||
| 9 | >debug(now()) |
A1、B1：查询原始数据到 B1 序表
A2：生成结果序表
A3：将原始数据中的字符串分割成字符数组，A3 是改数组的序列
A4：循环 1，取 A3 中的成员 1 准备与其他成员比较
B4：循环 1 的变量，初始为 0，记录比较的结果不同数与相同数
B5：循环 2，遇到成员 1 时候跳过，取成员 2 与成员 1 比较数字字符
D5、D6：找到两个成员中不同的字符数量，循环并总是存下最大值
D7：计算 A4 与 diff 的差为 same 的值，循环并总是存下最大值，循环 2 结束
B8：记录到 A2 序表，循环 1 结束
而由于要逐条比较，逻辑不变的情况下，性能方面肯定会随着成员数量增加而增加。这里在 B3、A9 增加了时间打印，1000 条多次测试在 80 秒 -110 秒完成。而当数据达到 2000 条时运行时间会大于 6 分钟。
