2.3 列表、数组与哈希

2.3 列表、数组与哈希

数组与哈希是日志统计的两大主力容器：数组保序装"Top N"，哈希按键装"每个接口的计数"。本节用它们完成第一个真正的聚合统计。

数组：排队与切片

my @durations = (120, 35, 890, 42, 210);

my @sorted = sort { $a <=> $b } @durations;  # 数字升序
my $n      = scalar @sorted;                 # 个数
my @top3   = @sorted[-1, -2, -3];            # 切片：最大三个
my $median = $sorted[int($n / 2)];           # 粗略中位数

push @durations, 66;      # 尾部追加
shift @durations;         # 头部取出
​

sort { $a <=> $b } 是数字排序的固定写法（默认 sort 按字符串排，9 会排在 10 前面）。@sorted[-1, -2, -3] 是数组切片，负下标从尾部数起。

哈希：按键聚合

统计每个接口被请求的次数，哈希是标准答案：

my %count;
while (my $line = <$fh>) {
    my ($api) = $line =~ m{GET (\S+)};
    next unless $api;
    $count{$api}++;
}

# 按次数降序取前五
my $rank = 0;
for my $api (sort { $count{$b} <=> $count{$a} } keys %count) {
    printf "%2d. %-40s %6d 次\n", ++$rank, $api, $count{$api};
    last if $rank >= 5;
}
​

这段二十行的循环就是日志统计的原型：逐行提取、哈希累加、排序输出。后面的章节只是把"提取"换得更准（正则）、把"逐行"扩到多文件（文件流水线）、把"输出"升级成报表。

两类容器的分工图

⚠️ 常见坑：哈希的 keys 顺序不保证稳定。要确定性输出，永远显式 sort，别依赖遍历顺序。

从计数到排名：完整可运行的统计段

把 2.2 清洗好的字段接进来，做一次"背景→操作→结果→解读"完整的统计。背景：手头已有按接口提取的原始记录数组，每项是 [接口名, 耗时ms] 的二元列表。操作：

my @records = (
    ['/api/search', 120], ['/api/login', 35],
    ['/api/search', 890], ['/api/order', 42],
    ['/api/search', 210], ['/api/login', 66],
);

my (%count, %total, %max);
for my $r (@records) {
    my ($api, $ms) = @$r;
    $count{$api}++;
    $total{$api} += $ms;
    $max{$api} = $ms if $ms > ($max{$api} // -1);
}

for my $api (sort { $total{$b} <=> $total{$a} } keys %total) {
    printf "%-14s 次数%3d 平均%6.0fms 峰值%6dms\n",
           $api, $count{$api}, $total{$api} / $count{$api}, $max{$api};
}
​

结果输出三行，search 排在首位。解读：($max{$api} // -1) 用"定义或"给首次比较一个必然更小的起点，这是处理"聚合时第一次见到这个键"的通用手法，比先 grep 键是否存在简洁得多。排序键选了总耗时而非次数——报表的排序键应该由业务问题决定，"哪个接口最拖慢用户"问的是总耗时，"哪个接口最热门"问的才是次数。

去重、翻转与两个内存边界

List::Util 是核心自带的工具箱（5.8 起无需安装），去重一行可用：

use List::Util qw(uniq max sum);
my @apis  = uniq map { $_->[0] } @records;   # 接口名去重
my $worst = max map { $_->[1] } @records;    # 全局最大耗时
my $sum   = sum map { $_->[1] } @records;    # 总耗时
​

哈希翻转是另一个高频动作：my %rev = reverse %count; 把"接口→次数"翻成"次数→接口"。但翻转会丢数据——两个接口次数相同时后者覆盖前者。安全做法是翻转成"值 → [键列表]"的引用结构，正好预习 2.4 的内容。

内存方面记住两条物理事实：数组按元素个数线性占内存，千万级标量尚可承受；哈希的键会额外复制一份存进哈希结构，键很长时内存翻倍不夸张。日志分析中途如果内存报警，第一反应不是换语言，而是检查是否把整份日志读进了数组——改成 while 逐行流式处理，内存立刻回到常数级。这个"数组随机访问、流式常驻内存"的取舍，第 5 章多文件处理时还会正式展开。

补一个并列名次的细节：Top N 输出里两个接口次数相同时，名次应该并列还是顺延，报表口径必须先说清。并列的实现思路是"次数相同给同一个名次"：

my $rank = 0; my $prev;
for my $api (sort { $count{$b} <=> $count{$a} } keys %count) {
    $rank++ if !defined($prev) || $count{$api} != $prev;
    $prev = $count{$api};
    printf "%2d. %-20s %d\n", $rank, $api, $count{$api};
    last if $rank >= 5;
}
​

$prev 记住上一行的次数，只有变化时才递增名次。这类小逻辑在给业务方看报表时能省掉"为什么有两个第二名"的解释成本，属于典型的低成本专业度。

本节要点回顾

• 数字排序写 sort { $a <=> $b }，默认 sort 是字符串序
• 切片 @arr[...] 可用负下标，取尾部元素不必先算长度
• $count{$key}++ 是聚合原子操作，首次自动从 1 起算
• keys %hash 顺序随机，输出前必须显式排序
• 数组问顺序、哈希问键：选容器先问"我关心位置还是关心名字"