Jak usunąć zduplikowane linie w dużym pliku tekstowym o rozmiarze wielu GB?

Moje pytanie jest podobne do tego pytania, ale ma kilka różnych ograniczeń:

• Mam dużą \nograniczoną listę słów - jedno słowo w wierszu. Rozmiar plików wynosi od 2 GB do nawet 10 GB.
• Muszę usunąć wszelkie zduplikowane linie.
• Proces może sortować listę podczas usuwania duplikatów, ale nie jest to wymagane.
• Na partycji jest wystarczająca ilość miejsca, aby pomieścić nową unikalną listę słów.

Próbowałem obu tych metod, ale oba kończą się błędami braku pamięci.

sort -u wordlist.lst > wordlist_unique.lst

awk '!seen[$0]++' wordlist.lst > wordlist_unique.lst
awk: (FILENAME=wordlist.lst FNR=43601815) fatal: assoc_lookup: bucket-ahname_str: can't allocate 10 bytes of memory (Cannot allocate memory)

Jakie inne podejścia mogę wypróbować?

Spróbuj użyć sortowania z opcją -o/ --output=FILEzamiast przekierowywać dane wyjściowe. Możesz także spróbować ustawić za buffer-sizepomocą -S/ --buffer-size=SIZE. Spróbuj także -s/ --stable. I przeczytaj stronę podręcznika, zawiera wszystkie informacje, które podałem.

Pełne polecenie, którego możesz użyć, które może działać w przypadku tego, co robisz:

sort -us -o wordlist_unique.lst wordlist.lst

Możesz także przeczytać następujący adres URL:

http://www.gnu.org/s/coreutils/manual/html_node/sort-invocation.html

To dokładniej wyjaśnia rodzaj niż stronę podręcznika.