题目
假设搜索的输入信息是一个字符串,统计300万输入信息中的最热门的前十条,我们每次输入的字符串不超过255byte,内存使用只有1G。
请描述思想,写出算法(c语言),空间和时间复杂度
分析
当处理规模比较大的数据时,首先想到的数据结构就是Hash,
因为本题目有内存限制,那么需要先算一下采用Hash的话,内存是否够用
Hash节点采用如下结构:
typedef struct node node_t;
strut node{
int count;
char str[256];
node_t *next;
};
每个Hash节点的大小为4+4+256=264Bytes
300万条输入信息,至多占用264×3000K=0.792G Bytes
考虑到Hash表的效率,20%的空槽基本够用,因此1G的内存是足够
步骤:
- 遍历输入信息,如果输入信息存在于Hash表中,则在相应的count计数上加一,如果不在Hash表中,则构造新的Node,并插入到Hash表中
- 遍历Hash表,找到频率技术最高的十条信息
空间复杂度,o(n),
时间复杂度,o(n)
哈希函数:对于字符串采用BKDR哈希函数,对于字符串中的每个字符,都采用下面的公式进行累加,hash = hash * 131 + ch
在此HashCode的基础上,可以将各个字符串映射到Hash表中
代码
随后补充