用集算器比较字符串相似性

【问题】

1、有 1001 个数字串（每个数字串长度不等，都是 0~9 之内），每一个数字串都和另外 1000 个中找出相同数最多和不同数最多的数字串（等于 1001 个数字数字串都要找一次）

2、就是如果第 1 行和第 1001 行都含有 1，算是相同数有 1 个；如果只有第 1 行数字串含有 1，而第 1001 行数字串没有，算是不同数有 1 个；

3、在数据库中用最少的步骤实现；

4、由于 1001 个数字串会每 3 分钟更新一次，因此要最快或者最少的步骤完成；

5、如果 1001 个成倍增长，变成 2001 个、7001 个，可以同样算法么？

【回答】

提问者需要逐条比较所有 1000 条字符串，甚至更多。用 Mongodb 没有提供这么复杂的运算，只能把数据读出来再处理，但用 Java 硬写比较麻烦，可以试试用集算器来处理，代码要简单些：

A1、B1：查询原始数据到 B1 序表

A2：生成结果序表

A3：将原始数据中的字符串分割成字符数组，A3 是改数组的序列

A4：循环 1，取 A3 中的成员 1 准备与其他成员比较

B4：循环 1 的变量，初始为 0，记录比较的结果不同数与相同数

B5：循环 2，遇到成员 1 时候跳过，取成员 2 与成员 1 比较数字字符

D5、D6：找到两个成员中不同的字符数量，循环并总是存下最大值

D7：计算 A4 与 diff 的差为 same 的值，循环并总是存下最大值，循环 2 结束

B8：记录到 A2 序表，循环 1 结束

而由于要逐条比较，逻辑不变的情况下，性能方面肯定会随着成员数量增加而增加。这里在 B3、A9 增加了时间打印，1000 条多次测试在 80 秒 -110 秒完成。而当数据达到 2000 条时运行时间会大于 6 分钟。