思路：

先计算总的数据大小，看能不能一次性放到内存里

      ·50亿 = 5，000，000，000≈5G, 

      ·总大小为 5G * 64B = 32GB, 远大于4G内存 

找到共同的Url,需要每个值都比较，只能使用哈希将文件切分成小文件

      ·文件的数量怎么确定？

        切成小文件后，内存里需要同时存在a和b的两个小文件，才能进行比较。

        那一个小文件的最大大小为2G， 32/2 = 16, 但是机器运行还需要内存

        我们可以切分为20份，两个小文件占用内存3.2G

1.对a ,b hash(url)%20， 分为20个小文件里

hash映射函数可以有多样选择，

最简单的就是按首字母分类，可以分成26个小文件，但是不能保证每个文件大小相等， 也不符合20个小文件的设定（当然也可以改成切分成26个小文件）

可以取前4个字节的int和%20，分配到20个小文件中

2.因为使用同一个hash函数映射规则的原因，a，b切分后相同的Url存在于对应的小文件中，即a0只需要和b0比较, a1 和b1比较即可

3.然后，同时加载每一对小文件（如a0和b0）,如果有相同的url, 则输出到文件中记录

  全部比较完成后，文件中就是所有相同的记录

  哈希切分成小文件，是解决大数据问题最常用的方法