遍历具有数十亿行的文件,输出大多数行

Question

迭代具有多行国家/地区的文件并以最多出现的国家/地区打印出来的最佳算法/方法是什么？

每行都是一个字符串,每行只包含一个国家/地区名称.

假设可能有10亿个不同的国家.(国家是个坏榜样)

United States
Iran
India
United States
China
Iran
....
....
Canada //1 billionth line

Answer 1

# Count the unique elements.
my %hash;
while(<>) {
    chomp;
    $hash{$_}++;
}

# Find the key with the largest value.
sub largest_value {
    my $hash = shift;

    my ($big_key, $big_val) = each %$hash;

    while (my ($key, $val) = each %$hash) {
        if ($val > $big_val) {
            $big_key = $key;
            $big_val = $val;
        }
    }

    return $big_key;
}

print largest_value(\%hash);