git clone https://github.com/havrlant/cardinality.git
cd cardinality
make
Vytvoří se spustitelný soubor cardinality. Program bere dva povinné a jeden nepovinný parametr:
./cardinality <structure_file> <data_file> [<b>]
structure_fileje cesta k CSV souboru se strukturou.data_fileje cesta k CSV souboru s daty.bje číselný (integer) parametr, který je popsaný v článku. Parametr ovlivňuje běh algoritmu. Pro větší soubory dat se hodí většíb, ale program pak bude zabírat více místa v paměti. Výchozí hodnota je 10, očekávané hodnoty jsou v rozmezí 4 až 16.
Denní data by se měla spočítat řádově za sekundy, měsíční za minuty. Zabraná paměť so pohybuje v řádů stovek KB, někdy ani to ne. Takto vypadá výstup na mém počítači, pro ilustraci:
$ time ./cardinality struktura.csv den.csv
Cely web: 338843
Sekce c. 1: 165840
Sekce c. 2: 340716
Pozice c. 1 (ad_space_pk: 89202): 133324
Pozice c. 2 (ad_space_pk: 89203): 152526
Pozice c. 3 (ad_space_pk: 89204): 134439
Pozice c. 4 (ad_space_pk: 89205): 133324
Pozice c. 5 (ad_space_pk: 89206): 301022
Pozice c. 6 (ad_space_pk: 89207): 332565
Pozice c. 7 (ad_space_pk: 89208): 315814
Pozice c. 8 (ad_space_pk: 89209): 312487
Pozice c. 9 (ad_space_pk: 89210): 112661
Pozice c. 10 (ad_space_pk: 89211): 302439
Pozice c. 11 (ad_space_pk: 89212): 305222
Pozice c. 12 (ad_space_pk: 89213): 1433
Pozice c. 13 (ad_space_pk: 89214): 135193
Pozice c. 14 (ad_space_pk: 89215): 273999
Pozice c. 15 (ad_space_pk: 89216): 165337
Pozice c. 16 (ad_space_pk: 89229): 152526
real 0m4.684s
user 0m4.128s
sys 0m0.141s
$ time ./cardinality struktura.csv mesic.csv
Cely web: 4298179
Sekce c. 1: 1963130
Sekce c. 2: 4134456
Pozice c. 1 (ad_space_pk: 89202): 1855783
Pozice c. 2 (ad_space_pk: 89203): 2042547
Pozice c. 3 (ad_space_pk: 89204): 1994351
Pozice c. 4 (ad_space_pk: 89205): 1984089
Pozice c. 5 (ad_space_pk: 89206): 3833863
Pozice c. 6 (ad_space_pk: 89207): 4353945
Pozice c. 7 (ad_space_pk: 89208): 4294845
Pozice c. 8 (ad_space_pk: 89209): 4294845
Pozice c. 9 (ad_space_pk: 89210): 1466482
Pozice c. 10 (ad_space_pk: 89211): 4254127
Pozice c. 11 (ad_space_pk: 89212): 4242792
Pozice c. 12 (ad_space_pk: 89213): 24485
Pozice c. 13 (ad_space_pk: 89214): 1973933
Pozice c. 14 (ad_space_pk: 89215): 3333132
Pozice c. 15 (ad_space_pk: 89216): 2039088
Pozice c. 16 (ad_space_pk: 89229): 2019813
real 2m23.214s
user 2m5.840s
sys 0m4.200s