文件中有10亿记录，怎样从中查找出现次数最多的10条

mikemeego001 2011-06-02 08:24:51

rtt

...全文

1007 10 打赏收藏转发到动态举报

写回复

用AI写文章

10 条回复

切换为时间正序

请发表友善的回复…

发表回复

suisui008 2011-06-02

打赏
举报

冒泡怎么样
只需要 10*10亿次
时间效率是O(10n）

maoxing63570 2011-06-02

打赏
举报

[Quote=引用 8 楼 supermegaboy 的回复:]
引用 6 楼 maoxing63570 的回复:
引用 4 楼 demon__hunter 的回复:
我一个算法比较牛x同学告诉我，去面试时，凡是牵扯到数据量相当大的问题，都可以向hash靠拢~~~~

问题是如果散列函数要自己设计不就有点嘈耐了，这么大的数据量，冲突怎么解决？

实际上就是要计数冲突的次数。
[/Quote]
但是冲突也不一定就是相同的吧，还要取决于你的散列函数啊

飞天御剑流 2011-06-02

打赏
举报

[Quote=引用 6 楼 maoxing63570 的回复:]
引用 4 楼 demon__hunter 的回复:
我一个算法比较牛x同学告诉我，去面试时，凡是牵扯到数据量相当大的问题，都可以向hash靠拢~~~~

问题是如果散列函数要自己设计不就有点嘈耐了，这么大的数据量，冲突怎么解决？
[/Quote]

实际上就是要计数冲突的次数。

nand库路泽 2011-06-02

打赏
举报

记得好像归并排序算法，非常适用于海量数据，同样可以参照一下归并算法试一下！！

maoxing63570 2011-06-02

打赏
举报

[Quote=引用 4 楼 demon__hunter 的回复:]
我一个算法比较牛x同学告诉我，去面试时，凡是牵扯到数据量相当大的问题，都可以向hash靠拢~~~~
[/Quote]
问题是如果散列函数要自己设计不就有点嘈耐了，这么大的数据量，冲突怎么解决？

飞天御剑流 2011-06-02

打赏
举报

把记录当字符，到达相同末端就计数一次，保存十条最多的。

机智的呆呆 2011-06-02

打赏
举报

我一个算法比较牛x同学告诉我，去面试时，凡是牵扯到数据量相当大的问题，都可以向hash靠拢~~~~

ryfdizuo 2011-06-02

打赏
举报

[Quote=引用 1 楼 supermegaboy 的回复:]

散列算法，这样遍历文件一次就OK了。
[/Quote]
不知这个散列算法如何确定呢？

ischarles 2011-06-02

打赏
举报

对10亿条记录进行排序，如果用快排，复杂度是O(N*logN)，然后再遍历一遍进行计数，输出前10个，复杂度是O(N)。总的复杂度是O(N+N*logN) = O(N*logN)
或者也可以对每条记录进行hash运算，映射为一个整数，同时，可以用一个变量进行计数，这让你可以遍历一遍就找出前10个记录，但是复杂度取决于你用的hash函数的好坏，也就是要看你文件中的10亿条记录的具体特征了。

飞天御剑流 2011-06-02