需求200W的文本文件，需要删除以某些字符开始的行，然后在剩下的文件中取4个10W的样本。样本不重复。 一开始觉得使用MySQL导入到数据库，发现速度太慢了。 所以使用先拆分后取样的方式，保证不重复即可，概率上可能会有所偏差，不影响结...