两道笔试题，大家一起来讨论吧！

[bryantd]

再说这两道题目之前，首先允许我发两句牢骚。最近找工作，参加了一些笔试，包括baidu和google的，他们的命题思路很明确，不要求具体语言，只要求程序的效率和可行性，题目大多数是关于海量数据搜索的算法问题，我觉得这个无可非议，人家的实际情况就是要求应聘者具有这样的素质。但是另外一些号称“牛逼”的企业也纷纷效仿，也不管自己企业是做什么的，也不管自己企业招收员工的基本素质要求是什么，就开始东施效颦。比如一家做软件外包的企业，出了一道类似的题目，后来我向在那里工作的师哥打听了一下，在真正的工作中，尤其是外包领域，企业的数据一般达不到那么海量，仅仅考虑如何实现就可以，根本就不用考虑海量数据的情况。Google和baidu这就不用说，人家的数据量在那里摆着呢，可是一个做ERP的，难道真的需要考虑亿以上数量级的情况吗？我看是有点小题大做了。另外对于一个应届毕业生，这么要求是不死有些过分呢？我们在学校怎么可能接触过这方面的实践阿？
废话不讲了，怨天尤人也没用，下面我把遇到的两道题目写出来大家一起想思路吧！

1、有1亿个浮点数，请找出其中对大的10000个。提示：假设每个浮点数占4个字节，1亿个浮点数就要站到相当大的空间，因此不能一次将全部读入内存进行排序。

2、有一篇英文文章（也就是说每个单词之间由空格分隔），请找出“csdn”着个单词出现的次数，要求效率最高，并写出算法的时间级。

[wangw37]

1、有1亿个浮点数，请找出其中对大的10000个。提示：假设每个浮点数占4个字节，1亿个浮点数就要站到相当大的空间，因此不能一次将全部读入内存进行排序。
~~~~~~~~~~~~~
其实占用内存不算大, 可以接受. 呵呵.
既然不可以一次读入内存, 那可以这么试试:
方法1: 读出100w个数据, 找出最大的1w个, 如果这100w数据选择够理想, 那么最小的这1w个数据里面最小的为基准, 可以过滤掉1亿数据里面99%的数据, 最后就再一次在剩下的100w(1%)里面找出最大的1w个咯~~
方法2: 分块, 比如100w一个块, 找出最大1w个, 一次下来就剩下100w数据需要找出1w个了.
对于上面提到的找出100w个数据里面最大的1w个, 说起来比较罗嗦, 还是说说找到第1w个大的数字的方法:
用快速排序的方法, 分2堆, 如果大的那堆个数N大于1w个, 继续对大堆快速排序一次分成2堆, 如果大堆个数N小于1w, 就在小的那堆里面快速排序一次, 找第10000-N大的数字; 递归以上过程, 就可以找到第1w大的数. 据说也是STL的search_n()的方法;
参考上面的找出第1w大数字, 相信楼主就可以类似的方法找出前1w大数字了.

2、有一篇英文文章（也就是说每个单词之间由空格分隔），请找出“csdn”着个单词出现的次数，要求效率最高，并写出算法的时间级。
~~~~~~
偶没有什么好的方法, 似乎字串识别有不少高级算法,呵呵, 都没有认真看过. 楼下兄弟们怎么看?

[medie2005]

第二个问题，其实很简单。
假设不区分大小写，由于英文字母有26个，因此，可以将单词映射为数字。csdn被映射成:
('c'-'a')*32*32*32+('s'-'a')*32*32+('d'-'a')*32+('n'-'a')
即：('c'-'a')*(1<<15)+('s'-'a')*(1<<10)+('d'-'a')*(1<<5)+('n'-'a')

[wangw37]

2楼兄弟的想法确实很赞~~ ^_^

[oo]

1,建个10000大小的堆
2，反正是要遍历一次的，可以用状态转移表来做

[MagiSu]

都不是什么难题。楼上说的相当对。我差点重复一遍。

[ntzhouhao]

回LS
kmp算法有很大的局限性,在数据无序分布的情况下效率反而不如死做,第一题堆确实是最好的方法.
还有2楼怎么实现呢

[qzy6]

第一题： 这个帖子中已有相当多讨论
http://topic.csdn.net/u/20071105/22/0340a0a4-9b90-4ea1-9048-385ce7d34a2c.html

[qzy6]

第一题： 以下这个帖子中已有相当多讨论
http://topic.csdn.net/u/20071105/22/0340a0a4-9b90-4ea1-9048-385ce7d34a2c.html
其中我比较同意15楼的，这也是到现在为止我发现最好的算法，我在18楼做了点改进。
思想是 利用寻找第K个数的线性算法。
总的磁盘I/O为一次，时间复杂度为 O(n)，这里n=10^9 ; 空间复杂度为 O(m),这里m=10^4.

第二题： 可以用著名的kmp算法，线性的。
时间复杂度为O(n), n为文章中字符个数。

[qzy6]

不明白 8 楼说的“数据无序分布的情况下效率反而不如死做”

[FancyMouse]

2.kmp或者hash

[ntzhouhao]

FM大牛惊现

[xhappy]

我笔试的时候也遇到了这样的问题，哎，做不出来，直接就挂了

[hnsdxujunyi06]

对于2，我与qzy6认识一致，所以有同疑，请问 ntzhouhao ：
“数据无序分布的情况下效率反而不如死做” ？
能否举个简单实例 ， 给我们扫盲一下，谢谢。

[Tiger_Zhao]

2、直接用CSDN两边加空格后进行字符串查找并计数就可以了，无论查找函数语言自带还是自己实现，都是O(n)时间复杂度。只有在需要多次统计不同单词时才会考虑其它算法，本题简单得没有优化的可能了。

[qdk0901]

同意楼上的说法