1. 称重问题
问题描述:
现有8个小球,其中一个较重,其余质量相同,另有一天平,问至少要称多少次才能找到质量较大的那个小球? 2次
解决方案:
1. 选出6个小球,均分成两组,进行称重;若两边相等,则称一次余下的两个小球即可。
2. 否则,在重的那一组选出两个进行称重即可。
2. Hash问题
问题描述:
两个4G的文件,里面全是数字,现有内存1G,求两个文件的交集。
解决方案:
将两个文件fileA、fileB,分别hash成10个子文件(A1,A2,A3,A4,A5;B1,B2,B3,B4,B5;一个400M)。把一个子文件A1存储到hash表中作为key,再依次遍历B的每一个子文件,看这个数字是否存在于刚才的hash表中,存在即可输出。
3. 堆排序问题
1. 建筑工地上,一个工人在碎石块,一个大石块,每次裂开为两块,n次后,质量最大的那块。
2. 电商搜索框每天500W的搜索query,针对新来的一个query(目标query),给出和它最相似的100个query。
在500W条query中,选取前100个(根据与目标query的相似度)构建最小堆,从第101个query起,分别和堆顶元素和目标query进行相似度比较,若其与目标query更相似,则用其取代堆顶元素,并调整堆,直到500W条比较完为止。此时的堆即为与目标query最相似的100个query。
也可用快排思想:
先分别计算500W条query与目标query的相似度,并记录在一个列表中query_similiarity_list。进而将问题转化为取列表中值最大的前100条。借鉴快排思想,从列表中选择一个元素作为基准点,比基准点小的元素放在其左边,大的放在其右边。
令n = 基准点右边元素个数。则有:
1. n=99, 返回基准点+其右边的所有元素,[base]+arr_右;
2. n>99, 在基准点右边的序列中继续寻找,f(arr_右);
3. n<99, 在基准点左边的序列中继续寻找100-1-n个最大元素,返回f(arr_左)+[base]+arr_右。
相当于每次只在一半序列中查找,也不用精确到rank值,速度较快。
4. 分析代码运行慢的原因
1. 检查是否有多层嵌套循环,优化;
2. 检查是否有很耗时的操作,看能否优化为多线程并行执行;
3. 检查数据量是否非常大,考虑是否可以分布式计算模型。