第八十四题 （百度面试题）

2010 年3 道百度面试题[相信，你懂其中的含金量]

1 a~z 包括大小写与0~9 组成的N 个数, 用最快的方式把其中重复的元素挑出来。

2.已知一随机发生器，产生0 的概率是p，产生1 的概率是1-p，现在要你构造一个发生器，使得它构造0 和1 的概率均为1/2；构造一个发生器，使得它构造1、2、3 的概率均为1/3；...，构造一个发生器，使得它构造1、2、3、...n 的概率均为1/n，要求复杂度最低。

3.有10 个文件，每个文件1G，
每个文件的每一行都存放的是用户的query，每个文件的query 都可能重复。
要求按照query 的频度排序.

思路：

1.要求采用最快的方法，使用hash即可

2.随机发生器产生00,01,10,11的概率分别为p*p,p*(1-p),(1-p)*p,(1-p)*(1-p),产生01,10序列的概率是相同的，因此可以在产生01序列的时候构造0，在产生10序列的时候构造1，00,11序列直接丢弃，这样就可以产生等概率的0,1序列。既然可以产生等概率的0,1序列，那么使用产生的等概率的01序列来表示的数，如00,01,10，也是等概的，概率同样都是1/3，因此要构造概率均为1/n的数字1,2,3..n，直接用产生的等概率01序列构造即可。

3.10个文件，每个1G，不能完全存入内存中，因此每次只读取一个文件，对每个进行hash操作，记录每个query出现的频度，根据hash(query)%10的结果将记录存入到十个小文件中，然后再根据query频度对这十个文件进行外部排序。