system design之大数据

前言

为了应对微软的面试，然后看了其他老哥整理的博客，自己也整理一遍，当做是理解，侵删。

有一个无限的整数数据流，如何从中随机地抽取k个整数出来？

这个问题其实还是有点数学的意思在里面的。我们先考虑当k=1的时候，那么如果来一个，咱们就抽这个。如果来俩，那么就有50%的概率，要么换，要么不换。如果又来了一个呢？那也是一样的，先确定换还是不换，换的概率是三分之一。
到这里你有啥问题么？其实很好理解的，咱们做到了对于进来的每一个人，都是每次有n分之一的机会被选中！ohhhhhhhhh！
下面直面K吧。当我需要随机抽取K个数据的时候，那么其实就是类似的道理，先攒够了K个。然后呢，当下一个数据来的时候，依旧是有K/(K+1)的概率选择换掉前面k个数据里面的一个，那么换掉谁呢？也很简单啊，随机呗。这样是不是说，对于新来的第K+1而言，他上场被pick的概率是K/(K+1)，而前K个里被pick上场的概率是1/(K+1) + K/(K+1) * ( (K-1)/K ) = K/(K+1)!
ohhhhhhh！
代码实现的话就不写了，就写个思路算了。

如何计算数据流中不同元素的个数？

是不是感觉这种题目都很刁钻？这道题目应该还是很好理解的，我反手就是一个unordered_map，直接pass？当然不可以。如果数据量很大的话，那