35. 百度研发笔试题：设计一个系统处理词语搭配问题

题目：

设计一个系统处理词语搭配问题，比如说 中国 和人民可以搭配，
则中国人民 人民中国都有效。要求：

  *系统每秒的查询数量可能上千次；
  *词语的数量级为10W；
  *每个词至多可以与1W个词搭配

当用户输入中国人民的时候，要求返回与这个搭配词组相关的信息。

分析：

性能要求：每秒查询量达到上千次，意思就是QPS要达到1000以上。

搜索端使用多线程处理，现在服务器都是多核的，可以充分利用服务的资源。

数据结构：

      所有词语建一张大表，并给每个词语分配一个id. 存储结构如下：

id1,word1,id2,word2,...,idn,word2

     词语的检索使用hash，设计一个好的词语哈希算法，使得检索词语的性能达到O（1）

     再建一个词语间搭配关系表，词语id＋词语id list（每个词语id＋它对应搭配的词语id集）

检索算法：

     查询query --->使用分词，找到所有可能搭配，

     －－－》使用哈希检索到对应的词语－－－》找他们之间可能的搭配关系，可以搭配的词组返回，不可以搭配的，返回空结果。

哦了，小型的搜索引擎就设计好了。

这个系统性能耗的最多的地方是找可能词组的搭配关系，每个词可能的搭配关系是1000次，每两个词之间的匹配次数为10000次

如果有 m 中可能词组组合，每个词组之间平均的词为n个，那匹配的最多次数为n*m*10000 。

性能维持再O（n），差不多的服务器，QPS 1000，性能达到几毫秒没问题。