我有一堆（数百万）小实验的日志。
每个日志都包含一个条目列表（数十到数百个）。每个条目都是一个时间戳和一个事件 ID（有数千个唯一的事件 ID，每个事件 ID 都可能在日志中出现多次）。这是一个实验的日志示例：
1403973044 阿尔法 1403973045 测试版 1403973070 伽玛 1403973070 阿尔法 1403973098 三角洲
我需要找到许多实验中常见的序列。
一个序列是多个（至少两个）事件 ID，它们彼此跟随：
α 测试版 伽玛
共同序列是可以在至少两个日志中找到的序列。日志
α 测试版 伽玛 三角洲 ε
和
微塔 测试版 伽玛 ε 卡帕
有一个共同的顺序：
测试版 伽玛 ε
（显然，我在这里寻找最长的公共序列。）
我对经常发生的大序列感兴趣。我事先不知道截止值。比如说，我需要在前 1000 个（或前 30%）中按长度计算前 10 个（或者，也许是前 100 个序列）。（此标准是随机给出的，几乎可以任意更改以简化数据处理。）
关于如何以可扩展的方式执行此操作的任何建议？
我希望尽量减少我拥有的代码量，但我不想使用专有程序来获得解决方案。
...我认为在生物信息学中解决了一个有点类似的问题。但是他们的字母比我短得多:-)错了！蛋白质组学处理更大的字母！（感谢@JayInNyc）