相信大家或多或少都看过一些算法类的面试题，其中比较常出现的就有大数据排序问题。因为目前的内存仍无法处理TB级的数据，只能通过不同的算法优化以及I/O来进行尽可能快速的排序。
对于这类题目，我总结了以下几种排序方法，同时也提出了自己的一些疑问，希望大家可以一起讨论。这里只讨论nlogn级别的算法，其他的不列入讨论范围。
题型：亿级别数据(同型且有重复)，统计其中出现次数最多的前N个数据
两种情况：可一次读入内存，不可一次读入
解法：
一、区间快速排序（当某个区间的长度=N则输出排序区间）
二、堆排序（维护N个结点的堆结构）
三、哈希映射（用hash将大文件映射为小文件，依次进内存排序后输出）
四、trie树
五、位图 （Bit Map)
所谓的是否能一次读入内存，实际上应该指去除重复后的数据量。如果去重后数据可以放入内存，我们可
最低0.47元/天 解锁文章
扫一扫
5101
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
