算法通关村-----超大规模数据场景的问题

2023-11-30 14:28

本文主要是介绍算法通关村-----超大规模数据场景的问题,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

对20GB文件进行排序

问题描述

假设有一个20GB的文件,每行一个字符串,请说明如何对这个文件进行排序

问题分析

20GB的文件很难一次加载到内存中,可以采用分块策略,先使块内有序,在使块间有序。

实现思路

按照给定的内存要求(假定为1G),进行分块,分为20个块,我们先对每一块进行排序,可以使用快速排序等时间复杂度底的排序算法,然后进行块的合并,使块间有序,合并时,可以使用两两合并的方式,也可以借助堆,按照堆合并K个有序链表的方式使用堆合并K个有序链表进行合并。

超大文本中搜索两个单词的最短距离

问题描述

有一个超大文本,内部是由很多单词组成的,现给定两个单词word1和word2,请找出文件中这两个单词的最短距离
单词

问题分析

双重循环可以实现,但是时间复杂度过高,可以通过两个变量分别指向两个单词在遍历过程中最后出现的位置来实现,如此可在线性时间复杂度,常数空间复杂度情况下完成。

实现思路

最直接的做法就是遍历文件,依次判断遍历到的所有word1与全部word2的距离,这种方式的时间复杂度为O(n^2),为了简化操作,我们可以拼接下标与单词,并将结果存储到List中,即list=[0I,1am,2a…],合并之后查找更方便,一边遍历一边比较就可以了,但是数据量过大的话,list可能会溢出。事实上,不使用list也能够解决。我们定义两个变量index1和index2,index1用于指向当前遍历过程中word1出现的位置,index2用于指向当前遍历过程中word2出现的位置。|index1-index2|即为两个单词之间的最短距离。

问题进阶

寻找过程重复多次,每次寻找不同单词之间的最短距离

实现思路

可以使用map存储单词和所有下标,使用双指针遍历两个单词的下标列表,即可得到两个单词之间的最短距离

从10亿数字中寻找最小的100万个数字

问题描述

设计一个算法,从10亿数字中寻找最小的100万个数字,假设内存足以容纳全部的10亿个数字

问题分析

可以使用快排、选择、和堆三种方式来实现

实现思路

可以使用快速排序的方式使元素按照升序排列,然后取前100万个元素
也可以使用选择的方式,第一次找到最小的数字,第二次找到第二小的数字,以此类推,第100万次找到第100万小的数字
还可以使用大顶堆来实现,设置一个元素容量为100万的大顶堆,堆未满时,直接加入元素,堆满后,只有当当前元素小于堆顶元素时,才移除堆顶元素并加入当前元素,遍历结束后,堆中的元素即为最小的前100万个数字

这篇关于算法通关村-----超大规模数据场景的问题的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/437366

相关文章

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

关于MongoDB图片URL存储异常问题以及解决

《关于MongoDB图片URL存储异常问题以及解决》:本文主要介绍关于MongoDB图片URL存储异常问题以及解决方案,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录MongoDB图片URL存储异常问题项目场景问题描述原因分析解决方案预防措施js总结MongoDB图

SpringBoot项目中报错The field screenShot exceeds its maximum permitted size of 1048576 bytes.的问题及解决

《SpringBoot项目中报错ThefieldscreenShotexceedsitsmaximumpermittedsizeof1048576bytes.的问题及解决》这篇文章... 目录项目场景问题描述原因分析解决方案总结项目场景javascript提示:项目相关背景:项目场景:基于Spring

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

usb接口驱动异常问题常用解决方案

《usb接口驱动异常问题常用解决方案》当遇到USB接口驱动异常时,可以通过多种方法来解决,其中主要就包括重装USB控制器、禁用USB选择性暂停设置、更新或安装新的主板驱动等... usb接口驱动异常怎么办,USB接口驱动异常是常见问题,通常由驱动损坏、系统更新冲突、硬件故障或电源管理设置导致。以下是常用解决

Mysql如何解决死锁问题

《Mysql如何解决死锁问题》:本文主要介绍Mysql如何解决死锁问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录【一】mysql中锁分类和加锁情况【1】按锁的粒度分类全局锁表级锁行级锁【2】按锁的模式分类【二】加锁方式的影响因素【三】Mysql的死锁情况【1

SpringBoot内嵌Tomcat临时目录问题及解决

《SpringBoot内嵌Tomcat临时目录问题及解决》:本文主要介绍SpringBoot内嵌Tomcat临时目录问题及解决,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录SprinjavascriptgBoot内嵌Tomcat临时目录问题1.背景2.方案3.代码中配置t

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr