在一个大文件中查找命中率最高的url

Question

我在Glassdoor 上读到Yelp的采访

"我们有一个相当大的日志文件，大约5GB。日志文件的每一行都包含一个用户在我们网站上访问过的url。我们想弄清楚用户访问过的最受欢迎的100个url是什么。"

其中一个解决方案是

cat log|sort|uniq-c|sort-k2n|head 100

有人能向我解释一下第二类（排序-k2n）的目的是什么吗？

谢谢！

Answer 1

看起来阶段是：

1） 将日志文件放入过滤器

2） 将相同的文件名放在一起

3） 统计每个不同文件名的出现次数

4） 按出现次数对配对（文件名、出现次数）进行排序

5） 打印出100个更常见的文件名