獨處100萬個資料，找出最大的一萬個。如果這一萬個資料選擇夠理想，那麼以這一萬個資料中最小的為基準，可以過濾掉1億個資料裡面99%的資料，這樣就在剩餘的100w個資料中找出最大的10000個即可。
分塊查詢，選擇100萬個資料為一塊，這樣1億個資料分為10000塊，每塊裡面找出10000個最大的數。一次下來，就剩下100w個數，再次找出最大的10000個即可。
註明：找出100w個資料中最大的一萬個，採用快速排序的思想，分為2組，如果大的那組個數n大於1萬個，繼續對大組快速排序分為2組。如果大的那組資料小於1萬個，就在小的那組裡面快速排序，找第10000-n大的數。遞迴以上過程，即可。
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...