在20亿个随机整数中找出某个数m是否存在其中,并假设32位操作系统,4G内存
BitMap:可用于大量数据的快速排序、查找、去重
优点:占用内存少,运算效率高
缺点:所有的数据不能重复,只有当数据比较密集时才有优势
https://www.cnblogs.com/cjsblog/p/11613708.html
在两个各存放有50亿个URL的文件A和文件B中找到共同的URL,每个URL大小为64字节,内存限制为4GB
第一步:用有限的4GB的空间遍历文件A(一次就只读不到4个G的URL就可以做到),对每个url求取hash,并且模1000,然后根据所取得的值将url分别存储到1000个小文件,把小文件记为A0,A1,…,A999,这样每个小文件约300M;
第二步:用同样的处理方法对文件B进行处理,把小文件记为B0,B1,…,B999,这样每个小文件约300M;这样处理后,所有可能相同的url都被保存在对应的小文件,A0和B0,A1和B1 …… A999和B999中,不对应的小文件不可能有相同的url。然后我们只要求出这个1000对儿小文件中相同的url即可。Tips:这每一对儿小文件的大小加起来也就600M,完全可以放进内存里。
第三步:求每对小文件中有相同的url时,就可以把Ai的URL放在内存里的HashSet里,然后再遍历Bi文件中的每个URL,看是否在刚才的HashSet里,如果是的话,那么就是共同的URL,存到文件里就ok了。
10亿取前100
先把10亿个数分成100份,每份1000w个数,然后在1000w个数中分别找出最大的100个数,最后在100*100个数中找出最大的100个。这里我想可以用分布式的处理,多台主机才会更快