海量数据
海量数据处理的基本方法
分而治之/hash映射 + hash统计 + 堆/快速/归并排序；
堆(Heap)
海量日志数据，统计出某日访问百度次数最多的那个IP
Trie树/Bloom filter/Bitmap
双层桶划分
外排序
分布式处理之Hadoop/Mapreduce
为什么难以处理
给定 a、b 两个文件，各存放 50 亿个 url，每个 url 各占 64 字节，内存限 制是 4G，让你找出 a、b 文件共同的 url?
有 10 个文件，每个文件 1G，每个文件的每一行存放的都是用户的 query， 每个文件的 query 都可能重复。要求你按照 query 的频度排序。
给你一个包含20亿个int类型整数的文件，计算机的内存只有2GB，怎么给它们排序？
一张100万x100万的图像，一条曲线围城一个闭合区域，给一堆点，怎么判断这些点在不在这个闭合区域内？注意这里内存很小，不能把整张图片加载到内存
两块广告牌，五个广告商，设计一个算法，在一段时间内五个广告商的广告出现次数为1:2:3:4:5，注意两个广告牌不能同时播同一个广告
有一千万(甚至更多)个文件，每个文件中有很多的单词(有重复)，使用什么数据结构或方法能够快速地找到出现次数最多的单词？
给定 40 亿个不重复的没排过序的 unsigned int 型整数，然后再给定一个数，如何快速判断这个数是否在这 40 亿个整数当中？
海量数据分布在100台电脑中，请高效统计出这批数据的TOP10
一个文件，每一行都是一个商品购买记录，统计购买次数最高的TopK
