高效查找百万级日志文件中缺失的ID
处理海量日志数据时，快速定位缺失的ID至关重要。本文以一个包含数十万行，ID递增的日志文件为例，演示如何高效地查找缺失的ID。该日志文件记录了数据处理过程，每个ID可能对应一行或多行记录，但部分ID可能缺失。
假设日志文件格式如下：
... 2021-07-07 21:35:05 id=9 empty_content 2021-07-07 21:35:06 id=10 empty_content 2021-07-07 21:36:36 id=11 start_saveas_imgs 2021-07-07 21:36:38 id=11 imgs_notes[0] success_qn_upload=updataa/0128/1517124124106989.jpeg 2021-07-07 21:36:39 id=11 imgs_notes[1] success_qn_upload=updataa/0128/1517124124107128.jpeg 2021-07-07 21:36:41 id=11 imgs_notes[2] success_qn_upload=updataa/0128/1517124124107213.jpeg ...
我们的目标是找出ID范围（例如1到50000）内所有缺失的ID，例如666、888、1313等。
以下Python脚本利用集合的高效性，快速解决此问题：
import re
def find_missing_ids(filepath):
existed_ids = set()
with open(filepath, 'r') as f:
for line in f:
match = re.search(r'id=(\d+)', line)
if match:
existed_ids.add(int(match.group(1)))
if not existed_ids:
return []
min_id = min(existed_ids)
max_id = max(existed_ids)
full_ids = set(range(min_id, max_id + 1))
missing_ids = sorted(list(full_ids - existed_ids))
return missing_ids
filepath = "log.txt" # Replace with your log file path
missing_ids = find_missing_ids(filepath)
print(f"Missing IDs: {missing_ids}")
该脚本首先读取日志文件，使用正则表达式提取所有ID并存储到一个集合中。然后，它计算最小ID和最大ID，生成一个包含所有预期ID的集合。最后，它计算两个集合的差集，得到所有缺失的ID，并排序输出。 这种方法充分利用了Python集合的特性，能够高效处理大型数据集。
