1.top k 問題
利用快排，冒泡法排序，將最大的k個值沉底，演算法複雜度為o(kn);
利用堆，小根堆找最大的k個數，大根堆找最小的k個數(建堆o(klogk) 比較+排序o( (n-k)*logk) )；
2.中位數問題
利用兩個堆，初始選中乙個數m作為基準，比m大的加入小根堆，比m小的加入大根堆，當兩個堆的節點數差值為2時，將多的一邊堆頂放入少的一邊，多的新堆頂為m；
利用桶排序，將資料放入2^n個桶，統計每個桶的數目，找出中位數所在的桶，再進行排序；
利用基數排序，分別統計最高位為(1,0)的個數n1,n0，在資料量多的一組中重複操作；
3.無序資料，查詢值
利用位圖方法，以最高位為基準劃分為(1,0)兩個部分，再以次高位為基準劃分為(1,0)兩個部分，依次劃分，最終可以找到，演算法複雜度為o(logn);
海量資料處理
1 有一千萬條簡訊，有重複，以文字檔案的形式儲存，一行一條，有 重複。請用5分鐘時間，找出重複出現最多的前10條。方法1 可以用雜湊表的方法對1千萬條分成若干組進行邊掃瞄邊建雜湊表。第一次掃瞄，取首位元組，尾位元組，中間隨便兩位元組作為hash code，插入到hash table中。並記錄其位址和...
海量資料處理
給定a b兩個檔案，各存放50億個url，每個url各占用64位元組，記憶體限制是4g，如何找出a b檔案共同的url？答案 可以估計每個檔案的大小為5g 64 300g，遠大於4g。所以不可能將其完全載入到記憶體中處理。考慮採取分而治之的方法。遍歷檔案a，對每個url求取hash url 1000...
海量資料處理
分而治之 hash對映 hash統計 堆 快速 歸併排序 300萬個查詢字串中統計最熱門的10個查詢。針對此類典型的top k問題，採取的對策往往是 hashmap 堆。hash統計 先對這批海量資料預處理。具體方法是 維護乙個key為query字串，value為該query出現次數的hashtab...