分析

首先是在某一天之内，并且是把访问某网站的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有2^32个IP。同样可以采用映射的方法，比如模1024，把整个大文件映射为1024个小文件，再找出每个小文中出现频率最大的IP（可以采用hash_map进行频率统计，然后再找出频率最大的几个）及相应的频率。然后再在这1024个最大的IP中，找出那个频率最大的IP，即为所求。

算法思想：

分治+Hash

1.IP地址最多有2^32=4G种取值情况，所以不能完全加载到内存中处理；

2.可以考虑采用“分而治之”的思想，按照IP地址的Hash(IP)%1024值，把海量IP日志分别存储到1024个小文件中。这样，每个小文件最多包含4MB个IP地址；

3.对于每一个小文件，可以构建一个IP为key，出现次数为value的Hash map，同时记录当前出现次数最多的那个IP地址；

4.可以得到1024个小文件中的出现次数最多的IP，再依据常规的 排序算法 得到总体上出现次数最多的IP；

实战

1、为了模拟海量日志数据，生成包含一亿个随机IP的日志文件。

2、将日志文件通过Hash算法分成1024个小文件。

3、利用桶排序找到每个小文件中出现次数最多的IP，并记录IP出现的次数。

4、遍历一次结果找到出现次数最多的IP。

开始运行：

结果耗时38秒：

注意：

如果大家在做实验时遇到Resource temporarily unavailable错误时，可能是文件写冲突导致的，这时候需要在写文件前加排他锁，本文的例子就是加了排他锁的。

还有一种可能是可用内存不够导致的，需要在php. ini文件 中将memory_limit设置的大一些，本文设置如下：