海量数据处理-邮箱黑名单

题目说明：

输入要求：

共有两个文件，一个文件中包含2000万个email地址，每个email地址占文件中的一行；第二个文件中有1000个email，每个email地址占文件的一行。

输出要求：

输出一个1000行结果的文件，每行一个yes/no，表示1000个email是否在2000万email中。

分析：

海量字符串匹配问题，解决的算法有Trie树和Bloom Filter。Bloom Filter算法更容易理解，先用Bloom Filter来分析并解决问题。

Bloom Filter：

       Bloom Filter中文称布隆过滤器，它的思想类似于bit map的思想，它通过Hash函数将一个email映射到二进制数组中的某一位。如果该位已经被置为1，则表明该email已经存在。可以很容易想到不同的email可能经过hash后会得到同一个值，这就是冲突（碰撞）。解决方法主要包括：多引入一些相互独立的hash函数以及将位数组开大一点。

C++版本的代码链接：https://github.com/ToWorld/Bloom-Filter

Trie树：