如果有一个文件data有10G大，但是有好多行都是重复的，需要将该文件中重复的行合并为一行，那么我们需要用什么办法来实现
cat data |sort|uniq > new_data #该方法可以实现，但是你需要花上好几个小时，结果才能出来。
下面是一个使用perl脚本来完成此功能的小工具。
原理很简单，创建一个hash，每行的内容为键,值由每行出现的次数来填充，脚本如下;
#!/usr/bin/perl
# Author :CaoJiangfeng
# Date:2011-09-28
# Version :1.0
use warnings;
use strict;
my %hash;
my $script = $0; # Get the script name
sub usage
{
printf("Usage:n");
printf("perl $script <source_file> <dest_file>n");
}
# If the number of parameters less than 2 ,exit the script
if ( $#ARGV+1 < 2) {
&usage;
exit 0;
}
my $source_file = $ARGV[0]; #File need to remove duplicate rows
my $dest_file = $ARGV[1]; # File after remove duplicates rows
open (FILE,"<$source_file") or die "Cannot open file $!n";
open (SORTED,">$dest_file") or die "Cannot open file $!n";
while(defined (my $line = <FILE>))
{
chomp($line);
$hash{$line} += 1;
# print "$line,$hash{$line}n";
}
foreach my $k (keys %hash) {
print SORTED "$k,$hash{$k}n";#改行打印出列和该列出现的次数到目标文件
}
close (FILE);
close (SORTED);