Согласно SourceForge.net Twitter, у них действительно есть катастрофа: SourceForge SF.net Operations @sfnet_ops · Март 3 Мы все еще работаем круглосуточно, чтобы восстановить полную мощность SourceForge. У нас пока нет ETA, но мы обновим здесь, когда будем. Мы ценим Ваше терпение. Спасибо. SourceForge SF.net Operations @sfnet_ops · Март 2 Теперь у нас есть гораздо лучшая идея относительно того, что вызывает недавние проблемы с производительностью. Теперь мы выполняем план, чтобы вернуть SourceForge на полную мощность. У нас может быть несколько часов, но наша команда работает круглосуточно, пока не будет восстановлена стабильность. Спасибо за ваше терпение SourceForge SF.net Operations @sfnet_ops · Мар 1 SourceForge испытывает проблемы. Мы расследуем. SourceForge SF.net Operations @sfnet_ops · 26 февраля Мы все еще работаем над восстановлением полной емкости после сегодняшнего события DDOS. Обновления.
Обновление 1: они SourceForge.net Twitter
SourceForge SF.net Operations @sfnet_ops · Март 3 Мы все еще работаем круглосуточно восстановить полную мощность SourceForge. У нас пока нет ETA, но мы обновим здесь, когда будем. Мы ценим Ваше терпение. Спасибо.
SourceForge SF.net Operations @sfnet_ops · 6:45 AM · 4 марта 2018 г. SourceForge снова в сети.
$ wget -O - http://downloads.sourceforge.net/project/ubuntuzilla/mozilla/apt
--2018-03-04 14:14:46-- http://downloads.sourceforge.net/project/ubuntuzilla/mozilla/apt
Resolving downloads.sourceforge.net (downloads.sourceforge.net)... 216.105.38.13
Connecting to downloads.sourceforge.net (downloads.sourceforge.net)|216.105.38.13|:80... connected.
HTTP request sent, awaiting response... 404 Not Found
2018-03-04 14:14:52 ERROR 404: Not Found.
, но ubuntuzilla все еще unavailable:
$ wget -O - http://downloads.sourceforge.net/corefonts/andale32.exe
--2018-03-04 14:16:46-- http://downloads.sourceforge.net/corefonts/andale32.exe
Resolving downloads.sourceforge.net (downloads.sourceforge.net)... 216.105.38.13
Connecting to downloads.sourceforge.net (downloads.sourceforge.net)|216.105.38.13|:80... connected.
HTTP request sent, awaiting response... 404 Not Found
2018-03-04 14:16:52 ERROR 404: Not Found.
и файлы из ttf-mscorefonts-installer тоже:
SourceForge SF.net Операции @sfnet_ops · 6:12 PM · Март 4, 2018 Проблема, связанная с загрузкой и поиском, была устранена.Обновление 1: загружено :
Поскольку ввод, по-видимому, сгруппирован / отсортирован по второму столбцу, это должно быть довольно простым и не требует сохранения и сортировки всего набора данных в памяти, только две записи за один раз.1
Сначала я подумал о решении Awk, но нашел его неуклюжим для работы с массивами и непустыми полевыми разделителями. Затем я решил использовать короткую программу Python:
#!/usr/bin/python3
import sys
DELIMITER = ','
def remove_duplicates(records):
prev = None
for r in records:
r = (int(r[0]), int(r[1]), int(r[2]), float(r[3]), int(r[4]))
if prev is None:
prev = r
elif r[1] != prev[1]:
yield prev
prev = r
elif r[3] > prev[3]:
prev = r
if prev is not None:
yield prev
def main():
for r in remove_duplicates(
l.rstrip('\n').rsplit(DELIMITER) for l in sys.stdin
):
print(*r, sep=',')
if __name__ == '__main__':
main()
В моей системе она имеет пропускную способность ~ 250 000 записей или 5 МБ на секунду.
python3 remove-duplicates.py < input.txt > output.txt
Программа не может обрабатывать заголовки столбцов, поэтому вам необходимо отключить их:
tail -n +2 < input.txt | python3 remove-duplicates.py > output.txt
Если вы хотите добавить их к результату:
{ read -r header && printf '%s\n' "$header" && python3 remove-duplicates.py; } < input.txt > output.txt
1 Это одно из основных преимуществ над подходами волкатора и стеллара для наборов данных, которые не вписываются в основную память.
Поскольку ввод, по-видимому, сгруппирован / отсортирован по второму столбцу, это должно быть довольно простым и не требует сохранения и сортировки всего набора данных в памяти, только две записи за один раз.1
Сначала я подумал о решении Awk, но нашел его неуклюжим для работы с массивами и непустыми полевыми разделителями. Затем я решил использовать короткую программу Python:
#!/usr/bin/python3
import sys
DELIMITER = ','
def remove_duplicates(records):
prev = None
for r in records:
r = (int(r[0]), int(r[1]), int(r[2]), float(r[3]), int(r[4]))
if prev is None:
prev = r
elif r[1] != prev[1]:
yield prev
prev = r
elif r[3] > prev[3]:
prev = r
if prev is not None:
yield prev
def main():
for r in remove_duplicates(
l.rstrip('\n').rsplit(DELIMITER) for l in sys.stdin
):
print(*r, sep=',')
if __name__ == '__main__':
main()
В моей системе она имеет пропускную способность ~ 250 000 записей или 5 МБ на секунду.
python3 remove-duplicates.py < input.txt > output.txt
Программа не может обрабатывать заголовки столбцов, поэтому вам необходимо отключить их:
tail -n +2 < input.txt | python3 remove-duplicates.py > output.txt
Если вы хотите добавить их к результату:
{ read -r header && printf '%s\n' "$header" && python3 remove-duplicates.py; } < input.txt > output.txt
1 Это одно из основных преимуществ над подходами волкатора и стеллара для наборов данных, которые не вписываются в основную память.
Поскольку ввод, по-видимому, сгруппирован / отсортирован по второму столбцу, это должно быть довольно простым и не требует сохранения и сортировки всего набора данных в памяти, только две записи за один раз.1
Сначала я подумал о решении Awk, но нашел его неуклюжим для работы с массивами и непустыми полевыми разделителями. Затем я решил использовать короткую программу Python:
#!/usr/bin/python3
import sys
DELIMITER = ','
def remove_duplicates(records):
prev = None
for r in records:
r = (int(r[0]), int(r[1]), int(r[2]), float(r[3]), int(r[4]))
if prev is None:
prev = r
elif r[1] != prev[1]:
yield prev
prev = r
elif r[3] > prev[3]:
prev = r
if prev is not None:
yield prev
def main():
for r in remove_duplicates(
l.rstrip('\n').rsplit(DELIMITER) for l in sys.stdin
):
print(*r, sep=',')
if __name__ == '__main__':
main()
В моей системе она имеет пропускную способность ~ 250 000 записей или 5 МБ на секунду.
python3 remove-duplicates.py < input.txt > output.txt
Программа не может обрабатывать заголовки столбцов, поэтому вам необходимо отключить их:
tail -n +2 < input.txt | python3 remove-duplicates.py > output.txt
Если вы хотите добавить их к результату:
{ read -r header && printf '%s\n' "$header" && python3 remove-duplicates.py; } < input.txt > output.txt
1 Это одно из основных преимуществ над подходами волкатора и стеллара для наборов данных, которые не вписываются в основную память.
Если вы отсортировали их в порядке убывания 4-го поля, вы могли бы просто взять первое вхождение каждого значения второго поля, используя ассоциативный массив или хеш, например. awk -F, '!seen[$2]++' file или perl -F, -ne 'print $_ unless $seen{$F[1]}++'
При значениях в порядке возрастания это немного сложнее сделать за один эффективный проход - вы можете сделать это (с небольшим количеством настроек), распечатав предыдущие при каждом изменении значения ключа:
awk -F, '
NR==1 {print; next} # print the header line
NR==2 {key=$2; next} # initialize the comparison
$2 != key {
print lastval; key = $2 # print the last (largest) value of the previous key group
}
{lastval = $0} # save the current line
END {print lastval} # clean up
' file
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.4,-1
2,10482423,45,0.43,-1
2,10482424,45,0.49,-1
2,10482425,45,0.52,-1
2,10482426,45,0.64,-1
2,10482427,45,0.73,-1
Если у вас не так много уникальных Cell_ids, вы можете отслеживать уже увиденные в ассоциативном массиве Perl. Если у вас слишком много (и у моего скрипта Perl не хватает памяти), напишите программу C, чтобы сохранить уникальные в битовом поле. Вот Perl.
#!/usr/bin/perl -w
use strict;
my %seen = (); # key=Cell_ID, value=1
my @cols=(); # for splitting input
while( <> ) { # read STDIN
@cols = split ',',$_;
next if ( defined $seen{$cols[1]}); # skip if we already saw this Cell_Id
$seen{$cols[1]} = 1;
print;
}
Вот мой тест:
walt@bat:~(0)$ cat u.dat
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.06,-1
2,10482422,45,0.18,-1
2,10482422,45,0.4,-1
2,10482423,45,0.15,-1
2,10482423,45,0.43,-1
2,10482424,45,0.18,-1
2,10482424,45,0.49,-1
2,10482425,45,0.21,-1
2,10482425,45,0.52,-1
2,10482426,45,0.27,-1
2,10482426,45,0.64,-1
2,10482427,45,0.09,-1
2,10482427,45,0.34,-1
2,10482427,45,0.73,-1
walt@bat:~(0)$ perl ./unique.pl u.dat
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.06,-1
2,10482423,45,0.15,-1
2,10482424,45,0.18,-1
2,10482425,45,0.21,-1
2,10482426,45,0.27,-1
2,10482427,45,0.09,-1
Если вы отсортировали их в порядке убывания 4-го поля, вы могли бы просто взять первое вхождение каждого значения второго поля, используя ассоциативный массив или хеш, например. awk -F, '!seen[$2]++' file или perl -F, -ne 'print $_ unless $seen{$F[1]}++'
При значениях в порядке возрастания это немного сложнее сделать за один эффективный проход - вы можете сделать это (с небольшим количеством настроек), распечатав предыдущие при каждом изменении значения ключа:
awk -F, '
NR==1 {print; next} # print the header line
NR==2 {key=$2; next} # initialize the comparison
$2 != key {
print lastval; key = $2 # print the last (largest) value of the previous key group
}
{lastval = $0} # save the current line
END {print lastval} # clean up
' file
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.4,-1
2,10482423,45,0.43,-1
2,10482424,45,0.49,-1
2,10482425,45,0.52,-1
2,10482426,45,0.64,-1
2,10482427,45,0.73,-1
Если у вас не так много уникальных Cell_ids, вы можете отслеживать уже увиденные в ассоциативном массиве Perl. Если у вас слишком много (и у моего скрипта Perl не хватает памяти), напишите программу C, чтобы сохранить уникальные в битовом поле. Вот Perl.
#!/usr/bin/perl -w
use strict;
my %seen = (); # key=Cell_ID, value=1
my @cols=(); # for splitting input
while( <> ) { # read STDIN
@cols = split ',',$_;
next if ( defined $seen{$cols[1]}); # skip if we already saw this Cell_Id
$seen{$cols[1]} = 1;
print;
}
Вот мой тест:
walt@bat:~(0)$ cat u.dat
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.06,-1
2,10482422,45,0.18,-1
2,10482422,45,0.4,-1
2,10482423,45,0.15,-1
2,10482423,45,0.43,-1
2,10482424,45,0.18,-1
2,10482424,45,0.49,-1
2,10482425,45,0.21,-1
2,10482425,45,0.52,-1
2,10482426,45,0.27,-1
2,10482426,45,0.64,-1
2,10482427,45,0.09,-1
2,10482427,45,0.34,-1
2,10482427,45,0.73,-1
walt@bat:~(0)$ perl ./unique.pl u.dat
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.06,-1
2,10482423,45,0.15,-1
2,10482424,45,0.18,-1
2,10482425,45,0.21,-1
2,10482426,45,0.27,-1
2,10482427,45,0.09,-1
Если вы отсортировали их в порядке убывания 4-го поля, вы могли бы просто взять первое вхождение каждого значения второго поля, используя ассоциативный массив или хеш, например. awk -F, '!seen[$2]++' file или perl -F, -ne 'print $_ unless $seen{$F[1]}++'
При значениях в порядке возрастания это немного сложнее сделать за один эффективный проход - вы можете сделать это (с небольшим количеством настроек), распечатав предыдущие при каждом изменении значения ключа:
awk -F, '
NR==1 {print; next} # print the header line
NR==2 {key=$2; next} # initialize the comparison
$2 != key {
print lastval; key = $2 # print the last (largest) value of the previous key group
}
{lastval = $0} # save the current line
END {print lastval} # clean up
' file
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.4,-1
2,10482423,45,0.43,-1
2,10482424,45,0.49,-1
2,10482425,45,0.52,-1
2,10482426,45,0.64,-1
2,10482427,45,0.73,-1
Если у вас не так много уникальных Cell_ids, вы можете отслеживать уже увиденные в ассоциативном массиве Perl. Если у вас слишком много (и у моего скрипта Perl не хватает памяти), напишите программу C, чтобы сохранить уникальные в битовом поле. Вот Perl.
#!/usr/bin/perl -w
use strict;
my %seen = (); # key=Cell_ID, value=1
my @cols=(); # for splitting input
while( <> ) { # read STDIN
@cols = split ',',$_;
next if ( defined $seen{$cols[1]}); # skip if we already saw this Cell_Id
$seen{$cols[1]} = 1;
print;
}
Вот мой тест:
walt@bat:~(0)$ cat u.dat
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.06,-1
2,10482422,45,0.18,-1
2,10482422,45,0.4,-1
2,10482423,45,0.15,-1
2,10482423,45,0.43,-1
2,10482424,45,0.18,-1
2,10482424,45,0.49,-1
2,10482425,45,0.21,-1
2,10482425,45,0.52,-1
2,10482426,45,0.27,-1
2,10482426,45,0.64,-1
2,10482427,45,0.09,-1
2,10482427,45,0.34,-1
2,10482427,45,0.73,-1
walt@bat:~(0)$ perl ./unique.pl u.dat
storm_id,Cell_id,Windspeed,Storm_Surge,-1
2,10482422,45,0.06,-1
2,10482423,45,0.15,-1
2,10482424,45,0.18,-1
2,10482425,45,0.21,-1
2,10482426,45,0.27,-1
2,10482427,45,0.09,-1