只用2GB内存在20亿个整数中找到出现次数最多的数

有一个包含20亿个全是32位整数的大文件，在其中找到出现次数最多的数。
要求： 内存限制2GB。
初级进阶： 40亿个整数。
高级进阶： 80亿个整数。

常规思路：
　　在很多整数中找到出现次数最多的数，通常的做法是使用哈希表对出现的每一个数做词频统计。如果一个数字出现20亿次，哈希表的一条记录需要8B。如果20亿个数都不同，那么哈希表的20亿条记录需要16GB。

解决思路：
　　记录大概 2 亿多条不同的记录，2 亿多条不同的记录，大概1.6GB 的内存。我们可以把这 20 亿个数存放在不同的文件，然后再来筛选。例如，在 0 至 2 亿之间的放在文件1中，在 2 亿至 4 亿之间的放在文件2中….，由于 int 型整数大概有 42 亿个不同的数，所以我可以把他们映射到 21 个文件中去，如图：

显然，相同的数一定会在同一个文件中，我们这个时候就可以统计每个文件中出现次数最多的数，然后再从这些数中再次选出最多的数。

如果这 20 亿个数数值比较集中的话，怎么优化？
　　如果给的这 20 亿个数数值比较集中的话，可以先把每个数先做哈希函数映射，根据哈希函数得到的哈希值，再把他们存放到对应的文件中，如果哈希函数设计到好的话，那么这些数就会分布的比较平均。

初级进阶：　可以加大文件的数量（映射到42个文件）。
如果给的这 40 亿个数中数值都是一样的，那么哈希表中，某个 key 的 value
存放的数值就会是 40 亿，然而 int 的最大数值是 21 亿左右，那么就会出现溢出，该怎么办？

(把 int 改为 long 会占用更多的内存)，可以把 value 初始值赋值为 负21亿，这样，如果 value 的数值是 21 亿的话，就代表某个 key 出现了 42 亿次了。

高级进阶：可以一边遍历一遍判断，如果在统计的过程中，发现某个 key 出现的次数超过了 40 亿次，那么，就不可能再有另外一个 key 出现的次数比它多了，那我直接把这个 key 返回就搞定了。

常规套路：把一个大的集合通过哈希函数分配到多台机器中，或者分配到多个文件里，但是到底分配多少台机器、分配到多少文件，在解题时一定要确定下来。
参考网站：网站链接