最常訪問的URL最大序列

Question

我有以下要求來實現這對我造成了一個「難題」：
我有Web服務器和各種用戶（已驗證和登錄）訪問網站的各個區域（即按照並瀏覽各種鏈接）。這些操作（或稱爲瀏覽）正在被記錄到日誌文件中。
因此，這些文件捕獲用戶訪問服務器的日期以及訪問的各種鏈接（即URL）。
的記錄（說明目的）簡化格式可以如下：
Timestamp User-Name URL-1
所以給日誌的一個簡單的例子，我們可以有（假設此有效日期）：

Date-1 John URL-1 
Date-1 Nick URL-1 
Date-1 John URL-2 
Date-1 George URL-1 
Date-1 George URL-2 
Date-1 Eve  URL-2 
Date-1 Nick URL-2 
Date-1 John URL-3 
Date-1 George URL-3 
Date-1 John URL-5 
Date-1 Nick URL-3 
Date-1 Bill URL-2 
Date-1 George URL-5 
Date-1 Nick URL-5  
Date-1 Eve  URL-3     
Date-1 Eve  URL-5 

等等，並可以有人/數千條目
當我說URL-1我的意思是一個有效的網站的URL，所以URL-1在約翰和夏娃真的意味着他們都訪問了相同的鏈接。在此示例中，URL-2,URL-3,URL-5是最常用的訪問URL序列。

問題：我有興趣使用這些信息，並找到所有用戶在日誌文件覆蓋的整個日期時間範圍和/或特定日期時間訪問的最常訪問的URL序列。
我對如何去做這件事有一些想法。例如。我的第一個想法是將所有內容都存儲在HashMaps中，幷包含每個外觀的計數器，然後遍歷映射條目以查找最大值，但在我看來，它在空間和運行時都有巨大的開銷。
此外，我對此的看法越多，似乎它可能有一個「標準」解決方案，例如對於字符串模式匹配，則會遵循KMP algorithm。
然後我想我是否可以使用例如後綴樹，但我只知道實施一個trie和空間複雜性，這將是我相信O(N^2)。我知道有壓縮版本，但我認爲它們太複雜，如果有更好的/標準的解決方案來解決這個問題，我不想浪費時間。

任何建議/意見非常感謝。

Answer 1

那麼，你說，任何建議/意見非常感謝。。因此，讓我建議你簡要如下算法：用於需要日期範圍

1. 過濾日誌文件，收集的URL序列爲每個用戶在平行一些List。

2. 第1步之後，你有一系列大的序列。在這一步中，這個問題相當於找到most common substring in list of strings的任務。這已經解決了問題。

UPD：之後考慮每個URL像一些"string"一個"char"。

Answer 2

對不起，但我不認爲有可能用你的日誌文件中的數據來實現這一點。

我看到的問題是，您正在尋找URL的使用最多的序列。 在您的問題中，您只有userId而不是會話指示符，這意味着您無法可靠地找出他們在單個會話中所做的事情。試圖找出他們正在採取的路徑時，您可能會混合不同的會話。

假設你有一個sessionId，你可以創建每個會話的路徑並運行一些（還未知的）程序來找到最常用的'弧線'。