雏鹰训练营第三次作业

第一部分

1 安装VMware

2 下载Ubuntu镜像

3 在VMware里安装Ubuntu（下面是一篇帮助文章的地址）

https://zhuanlan.zhihu.com/p/38797088

4 在ubuntu系统上编译运行helloworld程序

4.1 打开控制台：使用快捷键 Ctrl + Alt + T；

4.2 安装vim：输入 sudo apt-get install vim；

4.3 安装gcc：输入 sudo apt-get install g++。

4.4 编写hello.c源代码

4.5 编译hello.c在终端执行 g++ hello.c -o hello 编译。

4.6 运行程序hello!

第二部分

1 sketch

sketch 是一种基于散列（Hash：一种将任意长度的消息压缩到某一固定长度的消息摘要的函数。）的数据结构，可以在高速网络环境中，实时地存储流量特征信息，只占用较小的空间资源，并且具备在理论上可证明的估计精度与内存的平衡特性。

通过设置散列函数，将具有相同散列值的键值数据存入相同的桶内，以减少空间开销。桶内的数据值作为测量结果，是真实值的近似。利用开辟二维地址空间，多重散列等技术减少散列冲突，提高测量结果的准确度。

（我的理解：类似于将数据归类，当你要找某一个元素时，只需再这类中找，而不需遍历全部数据，以减小空间内存）

2 Count-Min Sketch

Count-Min Sketch 算法流程：

选定d个hash函数，开一个 dxm 的二维整数数组作为哈希表

对于每个元素，分别使用d个hash函数计算相应的哈希值，并对m取余，然后在对应的位置上增1，二维数组中的每个整数称为sketch

要查询某个元素的频率时，只需要取出d个sketch, 返回最小的那一个（其实d个sketch都是该元素的近似频率，返回任意一个都可以，该算法选择最小的那个

Count-Min Sketch算法的优点是省内存，缺点是对于出现次数比较少的元素，准确性很差，因为二维数组相比于原始数据来说还是太小，hash冲突比较严重，导致结果偏差比较大。

第三部分

1 GitHub上寻找countminsketch的应用代码

https://github.com/barrust/count-min-sketch

2 但是将代码克隆到Ubuntu后一直显示

include "count_min_sketch.h"不存在

3 最开始是尝试在Ubuntu的vim里安装这个库，网上的搜索结果全是关于这个算法的解释。之后尝试将网上已经编写好的#include "count_min_sketch.h"库文件导入库源中，结果还是不行。有点脑壳疼。