瓶颈是磁盘 IO, 针对选一个 hash https://github.com/rust-lang/hashbrown,按行读取,如果 hash 值已存在则跳过,猜测十秒能完成吧

@joesonw 时序数据库当不了 kv, 容纳不了高纬数据，每个需要过滤的信息都放到 meta 里面是不可能的。https://prometheus.io/docs/practices/naming/#labels

大多数查询只关注一定时间范围和一些简单的参数（如：host 、service 等）
以上假设是完全错误的,作为一个查询平台，直接限制查询能力，然后宣称各种好处站不住脚
比如日志里面记录了订单号, 需要使用订单号查询全部相关日志

深圳几乎所有图书馆需要提前排队，开馆十分钟座位都没了，然后市场出现了一堆付费自习室。图书馆很大的作用是给人自习的，藏书可能算附加功能

@hooopo 当然不能

插进去了查询也是个问题....... 我选择用 clickhouse

第一步，从百度云上下载下来，即使是超级 vip，每天下载也是限制流量的，15T 不知道要下载多久

处理五亿条 email， 匹配 400 万个名字
咋一看 5 * 10^8 * 4 * 10^6 次匹配，但是这个地方 email 和 name 都很短
400 万名字，大概就 30M, 把它存成 set
把每一个 email，拆分，比如 abcd 拆分成 a,b,c,d,ab,bc,cd,abc,bcd,abcd, 去在 set 里面匹配，存在则表示 email 有效
set.contains 查询效率是 O(1) , 并发查询，记每次 contains 消耗 10ns
假设平均一个 email 拆分成 20 个，计算一下，处理五亿记录只需要 100s
写了一个试了一下，耗时 11 分钟，还有很大优化空间
https://play.rust-lang.org/?version=stable&mode=debug&edition=2018&gist=7939811c4c2d417496593d760fbdb996

很炫酷，个人能业务独立完成很励志了👍

可惜了，几年前经常用这个产品。虽然有人说采集侵权，但是这个网站有用。只是这个网站使用的时候没有任何广告，肯定没有什么盈利，能坚持这么久真的不容易

调 tts api 应该 50 行代码能够解决

如果用你这个思路，不需要编程也可以，使用 pdfonline 的在线服务转换成 word，使用 deepl 的翻译服务翻译 word，在使用 word 转 pdf 服务转换回来

@kingba 另外问一下，哪个 PDF 阅读器能比较好的支持双页模式

https://zhuanlan.zhihu.com/p/27688505 最靠谱的当然还是蚊帐

买 5M 以下带宽的基本都是轻度用户，平时跑不满，所以可以轻松超售，买以上的大多数能跑满，无法超售，所以就翻倍了

先用工具把 PDF 文件标准化(比如内嵌字体)，在用商业 PDF 软件尝试编辑，如果商业 PDF 软件能编辑你想要的文本，说明这个文本可以程序解析，并不是一张图片
接下来就是用这种工具 https://github.com/pdfminer/pdfminer.six 读取文本

本来处理的时候直接使用音频就可以了，上传整个视频是下下策。再加上上传的文件很可能是 mp4 格式，可以考虑 js 解析 mp4 文件得到音频流(纯 js 或者 webassembly)，再组成文件。这样只上传音频就可以了。
如果能这样优化，使用体验应该会好很多
https://fed.taobao.org/blog/taofed/do71ct/web-player-h265/

符合单调递增特性？用随机数替代了取时间函数就声称 587 倍性能。而且这类东东可能设计考虑根本不是性能问题，天天就想搞个大新闻

@wyfyw 人民币，开印度区的. 我随便上了个车，目前用了两个月，没有任何问题

在 tg 上组团开个会员，一年才 50 块