找数据重复部分

Question

1. 现在有一批通讯录数据(10000多个人的通讯录)需要找出每两个人的通讯录的重复部分(就是谁和谁的通讯录重复了多少条)要所有人的通讯录都两两比对一遍
   例如 有 ABCDE四个人的通讯录 找出 AB AC AD AE BC BD BE CD CE DE 之间的通讯录重复条数

手机号重复 就认为这两条通讯录重复
这个是数据表,有10000多个人通讯录

list字段存的json就是通讯录的内容
一个人通讯录 100条到1000条不等

我目前尝试的做法是,一下取出所有人的通讯录,然后拿第一个人跟剩下所有人的进行比对(foreach这个数组,里面嵌套foreach) 然后拿第二个人的跟剩下所有人的比对,以此类推.
脚本部分代码

然后运行脚本 脚本跑了20多个小时 才跑了一半左右 内存,CPU占用也比较高 脚本效率太低了

请教一下,有没有更好方法来找出这批数据的重复部分,或者脚本怎么优化优化

谢谢大家

Answer 1

$data = [
    '张三' => [
        ['id'=>1,'name'=>1],
        ['id'=>2,'name'=>2],
        ['id'=>3,'name'=>3],
        ['id'=>1,'name'=>2]
    ],
    '李四' => [
        ['id'=>1,'name'=>1],
        ['id'=>2,'name'=>2],
        ['id'=>3,'name'=>3],
        ['id'=>4,'name'=>4]
    ],
    '王五' => [
        ['id'=>4,'name'=>4],
        ['id'=>5,'name'=>5],
        ['id'=>6,'name'=>6],
        ['id'=>7,'name'=>7]
    ]
];
function arr2Dict($arr) {
    $ret = array();
    foreach($arr as $k=>$v){
        $_id = $v['id'];
        if (array_key_exists($_id, $ret)) {
            $ret[$_id]++;
        }else{
            $ret[$_id] = 1;
        }
    }
    return $ret;
};
function compare($data, $a, $b) {
    $_a = arr2Dict($data[$a]);
    $_b = arr2Dict($data[$b]);
    foreach($_a as $k=>$v){
        if(array_key_exists($k, $_b)) {
            echo "{$k} 在 {$a} 和 {$b} 重复\n";
        }
    }
};
compare($data, '张三', '李四');
compare($data, '张三', '王五');
compare($data, '李四', '王五');

====以下为老答案====

$data = array(
    array('id'=>1,'name'=>1),
    array('id'=>2,'name'=>2),
    array('id'=>3,'name'=>3),
    array('id'=>1,'name'=>2)
);
$ret = array();
# 数据遍历一次，以计算重复key作为key新建数据，如果存在value +1，如果不存在设置为1
foreach($data as $k=>$v){
    $_id = $v['id'];
    $_name = $v['name'];
    if (array_key_exists($_id, $ret)) {
        $ret[$_id]++;
    }else{
        $ret[$_id] = 1;
    }
}
# 遍历结果
foreach($ret as $k=>$v){
    echo "{$k}出现{$v}次\n";
}
#print_r($id)