Pertanyaan saya mirip dengan pertanyaan ini tetapi dengan beberapa kendala yang berbeda:
- Saya memiliki
\n
daftar kata terbatas besar - satu kata per baris. Ukuran file berkisar dari 2GB hingga 10GB. - Saya perlu menghapus garis duplikat.
- Proses dapat mengurutkan daftar selama menghapus duplikat tetapi tidak diperlukan.
- Ada cukup ruang pada partisi untuk membuat daftar kata unik yang baru dikeluarkan.
Saya telah mencoba kedua metode ini tetapi keduanya gagal tanpa kesalahan memori.
sort -u wordlist.lst > wordlist_unique.lst
awk '!seen[$0]++' wordlist.lst > wordlist_unique.lst
awk: (FILENAME=wordlist.lst FNR=43601815) fatal: assoc_lookup: bucket-ahname_str: can't allocate 10 bytes of memory (Cannot allocate memory)
Pendekatan apa lagi yang bisa saya coba?
Lihatlah solusi menggunakan awk unix.stackexchange.com/a/30178/56820
—
ezdazuzena