主要观点：团队利用随机性创建了一个简单算法，用于估计数据流中大量不同对象的数量。
关键信息：

• 以在雨林进行野生动物普查或 Facebook 统计每日登录用户为例，说明传统方法在处理大量数据时的困难。
• 介绍 CVM 算法，其能解决长达 40 多年的不同元素问题，只需记住少量条目。
• 以听《哈姆雷特》 audiobook 为例，阐述 CVM 算法的操作步骤，通过多次随机选择来估计不同单词的数量。
• 数学证明该技术的准确性随内存大小而变化，实验表明不同内存大小下的平均估计值接近真实值。
  重要细节：
• CVM 算法由印度统计研究所的 Sourav Chakraborty、内布拉斯加林肯大学的 Vinodchandran Variyam 和多伦多大学的 Kuldeep Meel 创立。
• 听《哈姆雷特》时，先在内存（白板）中记录前 100 个单词，然后根据硬币正反面决定是否保留，后续 rounds 中保留单词的条件逐渐变难，最终根据剩余单词数量和概率来估计不同单词的数量。