LLM-MD5去重组件主要用于大语言模型（LLM）的文本数据预处理工作，可以计算文本的MD5哈希值，根据哈希值对文本进行去重。
使用限制
仅支持MaxCompute计算引擎。
算法简介
对所有输入的文本数据使用hashlib.md5哈希算法计算哈希值。哈希值相同的文本仅保留一个。
对于每条输入文本，会去除头尾空白符再计算哈希值，字符区分大小写。
可视化配置参数
您可以在Designer中，通过可视化的方式配置组件参数。
页签 | 参数 | 是否必选 | 描述 | 默认值 |
字段设置 | 选择目标处理列 | 是 | 选择要处理的列。 | 无 |
设置输出表生命周期 | 否 | 正整数，单位为天。默认28天，28天后该组件产生的临时表被回收。 | 28 | |
执行调优 | 每个实例的cpu数目 | 否 | 设定map task每个instance的CPU数目，取值范围为[50,800]。 | 100 |
每个实例的memory大小，单位M | 否 | 设定map task每个instance的memory大小，单位为MB，取值范围为[256,12288]。 | 1024 | |
每个实例处理的数据大小，单位M | 否 | 设定map task每个instance的最大处理数据量，用户可以通过控制该变量，实现对map端输入的控制。单位为MB，取值范围为[1,Integer.MAX_VALUE]。 | 256 |
相关文档
关于Designer组件更详细的内容介绍，请参见Designer概述。
文档内容是否对您有帮助？