摘要： simhash是google用来处理海量文本去重的算法。 google出品，你懂的。 simhash最牛逼的一点就是将一个文档，最后转换成一个64位的字节，暂且称之为特征字，然后判断重复只需要判断他们的特征字的距离是不是 原理 simhash值的生成图解如下： 大概花三分钟看懂这个图就差不多怎么实现 阅读全文