面试题-海量数据处理题

标签：str   文件的   参考   查找   url   文件   jin   bsp   ref   

问题一：给你A,B两个文件，各存放50亿条URL，每条URL占用64字节，内存限制是4G，让你找出A,B文件共同的URL。如果是三个乃至n个文件呢？

方案：

先算一下4G有多少位(bit)，4G = 2^32 * 8 bit = 320亿 bit，n才50亿，可以用位图法。将其中一个文件中的url使用Bloom filter映射为这340亿bit，然后挨个读取另外一个文件的url，检查是否与Bloom filter，如果是，那么该url应该是共同的url（注意会有一定的错误率）。

如果是3个或多个呢？2-bitmap或者两两查找。

参考链接：https://juejin.im/entry/5a27cb796fb9a045104a5e8c

面试题-海量数据处理题

标签：str   文件的   参考   查找   url   文件   jin   bsp   ref   

原文地址：https://www.cnblogs.com/lfri/p/12426489.html