算法类 - 随笔分类(第2页) - dartagnan

统计论坛在线人数分布

摘要：题目：求一个论坛的在线人数，假设有一个论坛，其注册ID有两亿个，每个ID从登陆到退出会向一个日志文件中记下登陆时间和退出时间，要求写一个算法统计一天中论坛的用户在线分布，取样粒度为秒。一天总共有 3600*24 = 86400秒。定义一个长度为86400的整数数组int delta[86400]，每个整数对应这一秒的人数变化值，可能为正也可能为负。开始时将数组元素都初始化为0。然后依次读入每个用户的登录时间和退出时间，将与登录时间对应的整数值加1，将与退出时间对应的整数值减1。这样处理一遍后数组中存储了每秒中的人数变化情况。定义另外一个长度为86400的整数数组int online_num[8 阅读全文

posted @ 2011-09-30 16:23 dartagnan 阅读(375) 评论(0) 推荐(0)

找到两个字符串的公共字符，并按照其中一个的排序

摘要：题目：写一函数f(a,b)，它带有两个字符串参数并返回一串字符，该字符串只包含在两个串中都有的并按照在a中的顺序。写一个版本算法复杂度O(N^2)和一个O(N) 。O(N^2)：对于a中的每个字符，遍历b中的每个字符，如果相同，则拷贝到新字符串中。O(N)：首先使用b中的字符建立一个hash_map，对于a中的每个字符，检测hash_map中是否存在，如果存在则拷贝到新字符串中。阅读全文

posted @ 2011-09-30 16:14 dartagnan 阅读(302) 评论(0) 推荐(0)

删除链表中的重复项

摘要：题目：一个没有排序的链表，比如list={a,l,x,b,e,f,f,e,a,g,h,b,m}，请去掉重复项，并保留原顺序，以上链表去掉重复项后为newlist={a,l,x,b,e,f,g,h,m}，请写出一个高效算法(时间比空间更重要)。建立一个hash_map，key为链表中已经遍历的节点内容，开始时为空。从头开始遍历链表中的节点：- 如果节点内容已经在hash_map中存在，则删除此节点，继续向后遍历；- 如果节点内容不在hash_map中，则保留此节点，将节点内容添加到hash_map中，继续向后遍历。FROM:http://hi.baidu.com/mianshiti/blog/i 阅读全文

posted @ 2011-09-30 16:11 dartagnan 阅读(1747) 评论(0) 推荐(0)

一个大的含有50M个URL的记录，一个小的含有500个URL的记录，找出两个记录里相同的URL

摘要：题目：一个大的含有50M个URL的记录，一个小的含有500个URL的记录，找出两个记录里相同的URL。第1种方法首先使用包含500个url的文件创建一个hash_set。然后遍历50M的url记录，如果url在hash_set中，则输出此url并从hash_set中删除这个url。所有输出的url就是两个记录里相同的url。第2种方法AC自动机阅读全文

posted @ 2011-09-30 16:07 dartagnan 阅读(555) 评论(0) 推荐(0)

17道经典海量数据面试题整理

摘要：1. 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？方案1：可以估计每个文件安的大小为50G×64=320G，远远大于内存限制的4G。所以不可能将其完全加载到内存中处理。考虑采取分而治之的方法。s 遍历文件a，对每个url求取，然后根据所取得的值将url分别存储到1000个小文件（记为）中。这样每个小文件的大约为300M。s 遍历文件b，采取和a相同的方式将url分别存储到1000各小文件（记为）。这样处理后，所有可能相同的url都在对应的小文件（）中，不对应的小文件不可能有相同的url。然后我们只要求出1000对小阅读全文

posted @ 2011-09-30 11:40 dartagnan 阅读(639) 评论(1) 推荐(0)

找出被修改过的数字

摘要：题目：n个空间（其中n<1M），存放a到a+n-1的数，位置随机且数字不重复，a为正且未知。现在第一个空间的数被误设置为-1。已经知道被修改的数不是最小的。请找出被修改的数字是多少。例如：n=6，a=2，原始的串为5, 3, 7, 6, 2, 4。现在被别人修改为-1, 3, 7, 6, 2, 4。现在希望找到5。第1种方法：由于修改的数不是最小的，所以遍历第二个空间到最后一个空间可以得到a的值。a 到 a+n-1这 n个数的和是 total = na + (n - 1)n/2。将第二个至最后一个空间的数累加获得 sub_total。那么被修改的数就是 total - sub_total 阅读全文

posted @ 2011-09-30 10:25 dartagnan 阅读(441) 评论(0) 推荐(0)

在100w个数中找最大的前100个数

摘要：应该使用某种数据结构保存迄今最大的100个数。每读到一个新数时，将新数和保存的100个数中的最小一个相比较，如果新数更大些，则替换。这样扫描一遍100w个数也就获得了最大的100个数。对于保存的100个数的数据结构，应该在最小复杂度的条件下满足1）可以获得最小的数；2）将最小数替换为另一个数后可以重新调整，使其可以满足条件1。可见小根堆可以满足这些条件。所以应该采用小根堆+扫描的方法。http://hi.baidu.com/mianshiti/blog/item/37652f27a3ac4320d5074252.html 阅读全文

posted @ 2011-09-30 10:06 dartagnan 阅读(750) 评论(0) 推荐(0)

双链表拷贝（2-linked list）

摘要：题目：有一个特殊的链表，其中每个节点不但有指向下一个节点的指针pNext，还有一个指向链表中任意节点的指针pRand（可能为空，也有可能为自身），如何拷贝这个特殊链表？思路：拷贝pNext指针非常容易，所以题目的难点是如何拷贝pRand指针。假设原来链表为A1 -> A2 ->... -> An，新拷贝链表是B1 -> B2 ->...-> Bn。为了能够快速的找到pRand指向的节点，并把对应的关系拷贝到B中。我们可以将两个链表合并成A1 -> B1 -> A2 -> B2 -> ... -> An -> Bn。从A1节阅读全文

posted @ 2011-09-30 09:56 dartagnan 阅读(927) 评论(0) 推荐(0)

从海量日志中提取访问百度次数最多的IP

摘要：P地址最多有2^32=4G种取值可能，所以不能完全加载到内存中。可以考虑分而治之的策略，按照IP地址的hash(IP)%1024值，将海量日志存储到1024个小文件中。每个小文件最多包含4M个IP地址。对于每个小文件，可以构建一个IP作为key，出现次数作为value的hash_map，并记录当前出现次数最多的1个IP地址。有了1024个小文件中的出现次数最多的IP，我们就可以轻松得到总体上出现次数最多的IP。P地址最多有2^32=4G种取值可能，所以不能完全加载到内存中。可以考虑分而治之的策略，按照IP地址的hash(IP)%1024值，将海量日志存储到1024个小文件中。每个小文件最多包含阅读全文

posted @ 2011-09-29 22:01 dartagnan 阅读(439) 评论(0) 推荐(0)

找出数组中出现次数超过一半的数

摘要：现在有一个数组，已知一个数出现的次数超过了一半，请用O(n)的复杂度的算法找出这个数。第1种方法：创建一个hash_map，key为数组中的数，value为此数出现的次数。遍历一遍数组，用hash_map统计每个数出现的次数，并用两个值存储目前出现次数最多的数和对应出现的次数。这样可以做到O(n)的时间复杂度和O(n)的空间复杂度，满足题目的要求。但是没有利用“一个数出现的次数超过了一半”这个特点。也许算法还有提高的空间。第2种方法（推荐）：使用两个变量A和B，其中A存储某个数组中的数，B用来计数。开始时将B初始化为0。遍历数组，如果B=0，则令A等于当前数，令B等于1；如果当前数与A相同，则阅读全文

posted @ 2011-09-29 21:52 dartagnan 阅读(522) 评论(2) 推荐(1)

如何找出字典中的兄弟单词

摘要：给定一个单词a，如果通过交换单词中字母的顺序可以得到另外的单词b，那么定义b是a的兄弟单词。现在给定一个字典，用户输入一个单词，如何根据字典找出这个单词有多少个兄弟单词？阅读全文

posted @ 2011-09-29 21:44 dartagnan 阅读(426) 评论(0) 推荐(0)

给定一个数组，问其中是否有两个数的和为10？

摘要：给定一个数组，问其中是否有两个数的和为10？阅读全文

posted @ 2011-09-29 17:45 dartagnan 阅读(366) 评论(0) 推荐(0)

给定一个长度为N的数组，其中每个元素的取值范围都是1到N。判断数组中是否有重复的数字。（原数组不必保留）

摘要：给定一个长度为N的数组，其中每个元素的取值范围都是1到N。判断数组中是否有重复的数字。（原数组不必保留）阅读全文

posted @ 2011-09-29 17:19 dartagnan 阅读(1104) 评论(0) 推荐(0)

用两个栈实现一个队列的功能 && 两个队列实现一个栈的功能 && 代码实例

摘要：用两个栈实现一个队列的功能 && 两个队列实现一个栈的功能 && 代码实例阅读全文