实现memcpy和memmove以及大数据url交集。

1.模拟实现C库的memcpy和memmove。

void* myMemcpy(void* dst,const void* src,size_t size)
{
    assert(src);
    assert(dst);
    char* _dst = (char*)dst;
    char* _src = (char*)src;
    while (size--)
    {
        *_dst++ = *_src++;
    }
    return dst;
}

//支持重复拷贝 
void* MyMemmove(void* dst, void* src, size_t size)
{
    assert(dst);
    assert(src);
    char* _dst = (char*)dst;
    char* _src = (char*)src;
    //两种情况： 前后关系
    if ( _src>=_dst||_src+size<_dst)
    {
        while (size--)
        {
            *_dst++ = *_src++;
        }
    }
    else
    {
        _dst = _dst + size-1;
        _src = _src + size - 1;

        while (size--)
        {
            *_dst-- = *_src--;
        }
    }
}

2.【附加题】–给两个文件，分别有100亿个URL，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。（设计出解决方案）
大数据问题：
常用两种方法：
1.hash切割
2.hash映射

hash 切割对于数字类都是求模分割到一个合适的内存大小，
进行一般的排序、交集、并集、补集，出现次数最多的。

排序类： 先对每个文件内部进行排序，然后拿出所有文件描述符的，每次取最小的（直至所有文件的数据都取到），存放到另一个文件。这样就实现了整体排序。

交集：经过hash切割以后，相同的数字都被分割到同一个文件。
交集就是出现次数比如对于a0 vs b0，我们可以遍历a0，将其中的url存储到hash_map当中。然后遍历b0，如果url在hash_map中，则说明此url在a和b中同时存在，保存到文件中即可。
如果分成的小文件不均匀，导致有些小文件太大（比如大于2G），可以考虑将这些太大的小文件再按类似的方法分成小小文件即可

近似算法：我们应该要想到BloomFilter, 它的大小大约500M 有 42亿个比特位 ， 若要求1G的内存大约可以占 85亿多比特位。
对于求交集，我们可以遍历a0，将其中的url存储到hash_map当中。然后遍历b0，如果url在hash_map中，则说明此url在a和b中同时存在，保存到文件中即可。