大厂前端面试分享：如何让6000万数据包和300万数据包在仅50M内存环境中求交集

由于最近疫情的影响，相信最近很多小伙伴都忙于线上办公或者面试😭，笔者这里分享一道发生在大厂前端线上编程面试中的一道题目，

如何让 6000 万数据包和 300 万数据包在仅 50M 内存环境中求交集，请简单说出您解决这问题的思路

我们假设现在有两份庞大的数据，而这两份数据包的数据结构均如下，仔细观察里面的数据我们不难发现，里面有 QQ 号，地址和年龄，如题目的要求我们需要是求交集，所以我们暂时可以忽略地址和年龄，以 QQ 号作为唯一标识：

QQ:40645253 地址：xxx 年龄：xxx
QQ:49844525 地址：xxx 年龄：xxx
QQ:51053984 地址：xxx 年龄：xxx
QQ:15692967 地址：xxx 年龄：xxx
QQ:39211026 地址：xxx 年龄：xxx
// 以下省略 6000 万条数据
...

梳理了上面的数据包结构之后，我们就得看看 50M 内存是什么情况了，由于面试在线上进行，只能短时间在本地测试下上面这个数据量在本地会占有有多大空间，那由于限于是场前端面试，所以笔者选用了 NodeJS 去制造这些庞大的数据了，当时线上编写的时候是没注释的，这里为了方便小伙伴理解，在写这篇文章的时候我自觉加上了😁

const fs = require("fs");
const path = require('path');
const writer = fs.createWriteStream(path.resolve(__dirname, 'data-60M.txt'), {
    highWaterMark: 1 });

const writeSixtyMillionTimes = (writer) => {
   
    const write = () => {
   
        let data = Buffer.from(`${
     parseInt(Math.random() * 60000000)}\n`)
        let ok = true;
        do {
   
            i--;
            if (i === 0) {
   
                // 最后一次写入。
                writer.write(data);
            } else {
   
                // 检查是否可以继续写入。 
                // 不要传入回调，因为写入还没有结束。
                ok = writer.write(data);
            }
        } while (i > 0 && ok);
        if (i > 0) {
   
            // 被提前中止。
            // 当触发 'drain' 事件时继续写入。
            writer.