算法习题38：百度面试题（天平，大量输入流，URL去重）

百度面试：

1.用天平（只能比较，不能称重）从一堆小球中找出其中唯一一个较轻的，使用x次天平，最多可以从y个小球中找出较轻的那个，求y与x的关系式

2.有一个很大很大的输入流，大到没有存储器可以将其存储下来，而且只输入一次，如何从这个输入流中随机取得m个记录

3.大量的URL字符串，如何从中去除重复的，优化时间空间复杂度

来自：http://bbs.csdn.net/topics/350118968

-------------------------------------------------------------------

表示鄙人语文有问题。。。

第一题理解成所有球重量都不一致，只有一个最轻，一开始就把分堆排除的办法给否定了。。。。得出y=x+1的错误答案。。

其实这里是只只有一个球质量是轻的，其他球质量一致，所以可以采用分堆的办法，从信息论角度来看，每次称重可以得到三个答案，左边重，相等，右边重，所以信息量是log3  所以这里分成三堆来做是可以达到效率最大，比如前两堆重量一致，那么轻的肯定在第三堆，否则就可以通过天平得到轻的那堆，然后在分三堆，

所以y=X^3   不过这里还有考虑x=0 这个特殊 y=1   如果写反x=log(3)Y  这里需要向上取整

参考这里讨论的：http://bbs.csdn.net/topics/350079942?page=1 

第二题：

这道题也不是很理解。。既然是随机取，这里可以每次输入一个流进来的时候随机产生一个数字，同时维护一个m维的链表，根据这个数字决定是否更新这个链表的第几个元素。。。

第三题：

恰好最近看到，也确实是百度这种搜索引擎公司会遇到的问题。这道题用一个hash表维护，对URL生成MD5签名，然后用签名在Hash表中找是否重复，优化空间就是利用bit来优化了