标签：整数 ash 布隆过滤器 并且 div 标示 需要 元素 计数
1）给一个超过100G大小的log file，log中存着IP地址，设计算法找到出现次数最多的IP地址？（与如何知道top K的IP，如何使用Linux系统命令实现）
Hash分桶法：
将100G文件分成1000份，将每个IP地址映射到相应文件中：file_id = hash(ip) % 1000
在每个文件中分别求出最高频的IP，再合并Hash分桶法；
使用Hash分桶法把数据分发到不同的文件；
各个文件分别统计top K；
2）给定100亿个整数，设计算法找到只出现一次的整数。
Hash分桶法，将100亿个整数映射到不同的区间，在每个区间中分别找只出现一次的整数。
3）给两个文件，分别有100亿个整数，我们只有1G内存，如何找到两个文件交集
扫描每个整数是否出现过，节省内存方法使用bitmap。桶分 + bitmap。如果整数是32bit，直接使用bitmap的方法实现。所有整数共2^32种可能，每个数用两位表 示，00表示文件均没出现，10表示文件1出现过，01表示文件2出现过，11表示两文件均出现过，共需要2^32*2/8 = 1GB内存，遍历两个文件中的所有整数，然后寻 找bitmap中11对应的整数即是两个文件的交集，这样即可线性时间复杂度完成。
4）1个文件有100亿个int，1G内存，设计算法找大出现次数超过2次的所有整数。
Bitmap扩展：用2个bit表示状态，0表示未出现，1出现过1次，2出现过2次或以上。
5）给两个文件，分别有100亿个query，我们只有1G内存，如何找到两个文件交集？分别给出精确算法和近似算法？
精确算法：Hash分桶法
将两个文件中的query hash到N个小文件中，并标明query的来源；
在各个小文件中找到重合的query
将找到的重合query汇总
近似算法：BloomFilter算法
6）如何扩展BloomFilter使得它支持删除元素的操作
将BloomFilter中的每一位扩展为一个计数器，记录有多少个hash函数映射到这一位；删除的时候，只有当引用计数变为0时，才真正将该位置为0。
7）如何扩展BloomFilter使得它支持计数操作？
将BloomFilter中的每一位扩展为一个计数器，每个输入元素都要把对应位置加1，从而支持计数操作。计数个数为所有映射到的位置计数的最小值。
8）给上千个文件，每个文件大小为1K-100M。给n个词，设计算法对每个词找到所有包含它的文件，你只有100K内存。
9）一个词典，包含N个英文单词，现在任意给一个字符串，设计算法找出包含这个字符串的所有英文单词。
给输入字符串，利用字母建立倒排索引，索引中存储该字母出现在哪个单词以及在单词中位置；查询时，利用倒排找到所有单词，并求交集并且位置要连续。
标签：整数 ash 布隆过滤器 并且 div 标示 需要 元素 计数
原文地址：http://www.cnblogs.com/qingjiaowoxiaoxioashou/p/6042571.html
