這幾天小秋去面試了，不過最近小秋學習了不少和位演算法相關文章，例如
對於演算法題還是有點信心的，，，，於是，發現瞭如下對話。
20億級別
面試官：如果我給你 2GB 的記憶體，並且給你 20 億個 int 型整數，讓你來找出次數出現最多的數，你會怎麼做？
小秋：（嗯？怎麼感覺和之前的那道判斷一個數是否出現在這 40 億個整數中有點一樣？可是，如果還是採用 bitmap 演算法的話，好像無法統計一個數出現的次數，只能判斷一個數是否存在），我可以採用雜湊表來統計，把這個數作為 key，把這個數出現的次數作為 value，之後我再遍歷雜湊表哪個數出現最多的次數最多就可以了。
面試官：你可以算下你這個方法需要花費多少記憶體嗎？
小秋：key 和 value 都是 int 型整數，一個 int 型佔用 4B 的記憶體，所以雜湊表的一條記錄需要佔用 8B，最壞的情況下，這 20 億個數都是不同的數，大概會佔用 16GB 的記憶體。
面試官:你的分析是對的，然而我給你的只有 2GB 記憶體。
小秋：（感覺這道題有點相似，不過不知為啥，沒啥思路，這下涼涼），目前沒有更好的方法。
面試官：按照你那個方法的話，最多隻能記錄大概 2 億多條不同的記錄，2 億多條不同的記錄，大概是 1.6GB 的記憶體。
小秋：（嗯？面試官說這話是在提示我？）我有點思路了，我可以把這 20 億個數存放在不同的檔案，然後再來篩選。
面試題：可以具體說說嗎？
小秋：剛才你說，我的那個方法，最多隻能記錄大概 2 億多條的不同記錄，那麼我可以把這 20 億個數對映到不同的檔案中去，例如，數值在 0 至 2億之間的存放在檔案1中，數值在2億至4億之間的存放在檔案2中....，由於 int 型整數大概有 42 億個不同的數，所以我可以把他們對映到 21 個檔案中去，如圖
顯然，相同的數一定會在同一個檔案中，我們這個時候就可以用我的那個方法，統計每個檔案中出現次數最多的數，然後再從這些數中再次選出最多的數，就可以了。
面試官：嗯，這個方法確實不錯，不過，如果我給的這 20 億個數數值比較集中的話，例如都處於 1~20000000 之間，那麼你都會把他們全部對映到同一個檔案中，你有優化思路嗎？
小秋：那我可以先把每個數先做雜湊函式對映，根據雜湊函式得到的雜湊值，再把他們存放到對應的檔案中，如果雜湊函式設計到好的話，那麼這些數就會分佈的比較平均。（關於雜湊函式的設計，我就不說了，我這只是提供一種思路）
40億級別
面試官：那如果我把 20 億個數加到 40 億個數呢？
小秋：（這還不簡單，對映到42個檔案唄）那我可以加大檔案的數量啊。
面試官：那如果我給的這 40 億個數中數值都是一樣的，那麼你的雜湊表中，某個 key 的 value 存放的數值就會是 40 億，然而 int 的最大數值是 21 億左右，那麼就會出現溢位，你該怎麼辦？
小秋：（那我把 int 改為 long 不就得了，雖然會佔用更多的記憶體，那我可以把檔案分多幾份唄，不過，這應該不是面試官想要的答案），我可以把 value 初始值賦值為 負21億，這樣，如果 value 的數值是 21 億的話，就代表某個 key 出現了 42 億次了。
這裡說明下，檔案還是 21 個就夠了，因為 21 個檔案就可以把每個檔案的數值種類控制在 2億種了，也就是說，雜湊表存放的記錄還是不會超過 2 億中。
80億級別
面試官：反應挺快哈，那我如果把 40 億增加到 80 億呢？
小秋：（我靠，這變本加厲啊）.........我知道了，我可以一邊遍歷一遍判斷啊，如果我在統計的過程中，發現某個 key 出現的次數超過了 40 億次，那麼，就不可能再有另外一個 key 出現的次數比它多了，那我直接把這個 key 返回就搞定了。
面試官：行，此次面試到此結束，回去等通知吧。
總結
今天這篇文章主要講了大資料處理相關的一些問題，後面可能還會給大家找一些類似，但處理方式不同的題勒，大家如果覺得不錯，不妨：
如果你覺得這篇內容對你挺有啟發，為了讓更多的人看到這篇文章：不妨
1、點贊，讓更多的人也能看到這篇內容（收藏不點贊，都是耍流氓 -_-）
2、關注我和專欄，讓我們成為長期關係
3、關注公眾號「苦逼的碼農」，主要寫演算法、計算機基礎之類的文章，裡面已有100多篇原創文章
大部分的資料結構與演算法文章被各種公眾號轉載相信一定能讓你有所收穫
我也分享了很多視訊、書籍的資源，以及開發工具，歡迎各位的關注，第一時間閱讀我的文章。