Algorithm 日志结构文件系统中的记录查找算法

我有很多记录。每个记录都有一个ID和时间戳。新记录以单调递增的ID追加到日志中，即使其间可能会删除记录

问题是-如果给您一个时间戳T1，那么提供一个有效的算法来确定具有timestamp=Ceil（T1）的日志记录

注意事项。日志可能非常大，有数百万条记录。由于记录删除，可能会丢失记录

示例：如果日志记录=（ID，时间戳），则日志可以如下所示：

（1,10）、（2,11）、（5,15）、（8,18）、（9,19）、（10,20）

查找最小时间戳大于或等于17的记录的ID

答案是8

查找最小时间戳大于或等于11的记录的ID

答案是2

查找最小时间戳大于或等于22的记录的ID

答案是零

查找最小时间戳大于或等于5的记录的ID

答案是1

我提出了简单的数据结构来解决这个问题

/*索引：01 2 3 4 5 6 7 8 9 10 11 12*/
int-id[]={1,2,6,7,10,11,12}；
int-map[]={0,1,1,0,0,1,1,0,0,0,1,1,1}；
int time[]={0,10,20,0,0,0,60,70,0,0,100,110,120}；
int start=1，end=12；//这是我们所知道的。

如果在两次搜索之间将此函数保存在内存中，我们可以利用以前的搜索来缩小将来的搜索范围。如果获取时间戳是昂贵的，那么这可能是一个非常显著的改进。但是如果它们已经在你的帖子中的数组中，那么这基本上是一个没有意义的问题。 假设时间戳是唯一的，我将从以下内容开始寻找解决方案：

int FindFirstNonZero(int startIdx)
{
    int myIdx=startIdx;
    while (map[myIdx] == 0)
    {
        myIdx++;
    }
    return(myIdx);
}

int FindLastNonZero(int startIdx)
{
    int myIdx=startIdx;
    while (map[myIdx] == 0)
    {
        myIdx--;
    }
    return(myIdx);
}

int find_ceil_id(int timestamp) 
{
    int low=FindFirstNonZero(0);
    int high=FindLastNonZero(map.count -1);
    int checkIndex = FindLastNonZero((low + high)/2);
    int checkTime;

    while (low < FindLastNonZero(high - 1))
    {
        checkTime = time[checkIndex];
        if (checkTime >= timestamp) {
            high = checkIndex;
        } else {
            low = checkIndex;
        }
        checkIndex = FindLastNonZero((low+high) / 2);
        if (checkIndex == low) {
            checkIndex = FindFirstNonZero(low+1);
        }
    }
    return (high);
}

int-FindFirstNonZero（int-startIdx）
{
int myIdx=startIdx；
while（map[myIdx]==0）
{
myIdx++；
}
返回（myIdx）；
}
int FindLastNonZero（int startIdx）
{
int myIdx=startIdx；
while（map[myIdx]==0）
{
myIdx--；
}
返回（myIdx）；
}
int find_ceil_id（int时间戳）
{
int low=FindFirstNonZero（0）；
int high=FindLastNonZero（map.count-1）；
int checkIndex=FindLastNonZero（（低+高）/2）；
整数校验时间；
而（低=时间戳）{
高=检查指数；
}否则{
低=检查索引；
}
检查索引=FindLastNonZero（（低+高）/2）；
如果（检查索引==低）{
检查索引=FindFirstNonZero（低+1）；
}
}
回报率（高）；
}

从您的一些评论来看，时间戳似乎可以重复。是这样吗？如果是这样的话，就需要对上述内容稍作修改。。。没关系，它做了更改，甚至使代码更简单。 这是一个基本的二进制搜索，它将在log2（N）尝试中找到正确的元素，N是ID数组的大小。因此，对于ID数组中的100多万个条目，只需检查其中的20个就可以找到正确的条目。对于刚刚超过十亿个条目，它只需要检查30个

---

我不是在编译和测试代码，这取决于你。但它应该可以工作。

timestamp大于或等于20时的最小id应该是10，对吗？你说得对。对于20，它将给出10，但对于22，答案是零。从您在原始帖子中编辑的内容来看，现在的问题似乎是在内存数组中搜索，而不是在文件系统日志中搜索。完全不同的搜索问题。而这一点点虚构的数据根本就不会削减它。一个好的搜索算法取决于数据，一个好的程序员会希望看到真实的数据。你这样做是为了一份真正的工作，还是只是为了好玩而“测验”我们？我需要周围人的帮助，这是我面临的一个真正的问题。我认为我提供的数据是正确的。如果我解决了这个问题，那么实际问题也可以解决。这里有两个假设：时间[ID]是昂贵的，您不能索引到ID[]。好的，我很乐意与您合作。问题，此功能是否会在一个搜索中持续到另一个搜索？也就是说，这个函数是在整个程序的一次执行中被多次调用，还是被调用，给出结果，程序结束？Gilchrist。您的解决方案的问题在于，您假设id和时间戳之间存在相关性。不幸的是，没有。如果日志记录速度太快，可能数千条记录都有相同的时间戳。但在更长的时间内，它会平均吗？它不一定是一个完美的、经久不衰的关联，因为在此之后，您将应用不同的搜索来从那里获得实际的节点。但如果这仍然不可行，我只会使用二进制搜索，但通过在内存中保留一个节点表来改进它，在您开始访问文件系统之前，它会让您在附近找到您。如果可能的话。如果不仔细查看数据和所有其他会影响搜索算法的变量，就很难对这样的事情提出建议。