编程珠玑-第二章问题A

题目：给定一个包含40亿个随机排列的顺序文件，找到一个不在文件中的32位整数，在有足够内存的情况下应该如何解决该问题？如果有几个外部的临时文件可用，但是仅有几百字节的内存，又该如何解决？

首先40亿=40X10^8 = 4X10^9 ~= 4G，故40亿个随机数，即使数字都不同，也是少于32位的能表示的最大不同数字的个数的，所以必然是缺少数字的。

（1）有足够内存的情况

对于有足够内存的情况，完全可以采用第一章介绍的位图方法，每一位表示第一数字，那2^32需要2^24字节，即16M内存。

（2）仅有几百字节内存和几个稀疏顺序的文件

二分思想：根据二进制数某一位是0还是1，可以分成两部分。

由于只有几百字节的内存和几个稀疏的顺序文件，我们可以先对40亿的数据进行分类，当分成的剩余文件可以用几百字节解决时，我们就可以用位图法了。

先从高位开始，对数据进行分类，根据0,1分成两部分，此时有两种情况：

• 两部分数据个数相同
• 两部分数据个数不同

当数据个数不同时，对数据少的那部分再进行二分，当数据个数相同时，则随机选择一个进行二分。

下面举个例子：

问题的关键是只要找一个数字，那么我们把问题简化一下，给定一个文件，里头最多包含16个4bit的整数，找到一个不在文件中的4bit整数。假设这十个数是 

1 2 3 4 5 7 6 9 8 10。

根据最高位是0,1可以分为两部分

1,2,3,4,5,6,7

8,9,10

那我们接着对8，9,10进行二分，根据次高位是0,1进行分类。

当10个数字是1,2,3,4,5,8,9,10,11,12时，此时分成两部分后都是5个数，随机选择一部分进行二分。

当数字中有重复数字时呢？

1,1,1,1,1,1,1,1,1,2,7,8,8,8

此时14个数时，二分后，一个包含11个数，一个包含3个8，我们选择小的组，进行再分，也是正确的。

总结：

此题用二分的思想，很巧妙在对内存有限制的情况下，能够对大量数据进行处理，巧妙的运用了二分思想，此处的二分是对某一位进行分类，从而达到减小处理数据的大小的目的