程序员代码面试指南刷题--第六章.只有2GB内存在20亿个整数中找到出现次数最多的数

题目
在一个包含20亿个全是32位整数的大文件中找到出现次数最多的数

要求
内存2GB

解答

想要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数做词频统计，哈希表的key是某一个整数，value是这个数的个数。但是对于20亿个数全是不同的情况内存（2GB）可能不够用。
我们可以用哈希函数把20亿个数的大文件用哈希函数分成16个小文件，根据哈希函数的性质，同一种数不可能被分到不同文件中，同时同一文件中数的保证不会超过2亿类（20/16<2）,因为种类为2亿类刚刚内存够用。然后对每一个文件用哈希表来统计其中每种数出现的个数即可。
把一个大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中，这种技巧是处理大数据面试题时最常用的技巧。但是分配多少机器、分配多少文件，在解题时一定要确定下来。根据题意或者和面试官沟通。