首页 > Python资料 博客日记
【15】大数据题目等
2024-08-20 06:00:06Python资料围观34次
这篇文章介绍了【15】大数据题目等,分享给大家做个参考,收藏Python资料网收获更多编程知识
目录
一.大数据题目的解题技巧
二.找重复的URL
方法一是使用布隆过滤器(边添加边查询,存在很小的失误率)
方法二是哈希分流(哈希分类可可以较匀地将文件分流到几个小文件,相同的文件一定会被分到同一个文件中,然后进一步查找重复的URL)。每个小文件都维护一个Top100的大根堆,然后取每个小文件大根堆的堆顶元素放到总堆中,然后每次取总堆堆顶就是频次最高的词汇。例如取出甲,知道甲是第二个堆的,那么就将甲弹出,然后将下一个最大值丙放入总堆中。。。周而复始
三.利用小内存找出所有出现两次的数。
方法一:Hash函数按种类均匀分流,将40亿个数根究允许的内存大小,用Hash函数分成多个小文件(使用的是银硬盘空间),然后再在每个小文件中在内存中进行查找出现两次的数,最后将所有小文件中出现两次的数汇总就是答案。
方法二:使用位图,用2个bit位来表示一个数的状态,【00 01 10 11】 = 【0次 1次 2次 >2次】。这样处理的话,需要使用的空间是2^32*2/8Byte空间,1GB是可以搞定的。
四.位运算题目
技巧:将互斥的两个条件可以用加号连接。
// 请保证参数n,不是1就是0的情况下
// 1 -> 0
// 0 -> 1
public static int flip(int n) {
return n ^ 1;
}
// n是非负数,返回1
// n是负数,返回0
public static int sign(int n) {
return flip((n >> 31) & 1);
}
public static int getMax1(int a, int b) {
int c = a - b;
int scA = sign(c); // a-b位非负, scA为1. a-b是负, scA为0
int scB = flip(scA); // scA为0,
return a * scA + b * scB;
}
public static int getMax2(int a, int b) {
int c = a - b;
int sa = sign(a);
int sb = sign(b);
int sc = sign(c);
int difSab = sa ^ sb; // a和b的符号不一样, 返回1, 一样, 返回0
int sameSab = flip(difSab); // a和b符号一样, 返回1,不一样, 返回0
int returnA = difSab * sa + sameSab * sc;
int returnB = flip(returnA);
return a * returnA + b * returnB;
}
public static void main(String[] args) {
int a = -16;
int b = 1;
System.out.println(getMax1(a, b));
System.out.println(getMax2(a, b));
a = 2147483647;
b = -2147480000;
System.out.println(getMax1(a, b)); // wrong answer because of overflow
System.out.println(getMax2(a, b));
}
五.面试原题
有一个10G的无序有符号整数文件,如何通过5G的内存生成一个新文件,要求文件里面的数据是有序的。
为什么是统计词频,而不是将小范围的数值直接放入到小根堆中?
这是因为可以某些数的重复次数过多,然后可能会爆掉小根堆。然而换成统计词频(不论某个数出现多少次,占用的内存都是一个定值而已)
六,.判断一个32位正数是不是2的幂,4的幂
判断是否为2的幂:
方法一:取到最右侧的1,然后判断和原数相不相等。
方法二:判断x&(x-1)==0是否成立。
判断是否为4的幂:
七.位运算实现加减乘除
加法
public static int add(int a, int b) {
int sum = a;
while (b != 0) {
sum = a ^ b;
b = (a & b) << 1;
a = sum;
}
return sum;
}
减法
public static int add(int a, int b) {
int sum = a;
while (b != 0) {
sum = a ^ b;
b = (a & b) << 1;
a = sum;
}
return sum;
}
public static int negNum(int n) {
return add(~n, 1);
}
public static int minus(int a, int b) {
return add(a, negNum(b));
}
乘法
public static int multi(int a, int b) {
int res = 0;
while (b != 0) {
if ((b & 1) != 0) {
res = add(res, a);
}
a <<= 1;
b >>>= 1;
}
return res;
}
除法
public static boolean isNeg(int n) {
return n < 0;
}
public static int div(int a, int b) {
int x = isNeg(a) ? negNum(a) : a;
int y = isNeg(b) ? negNum(b) : b;
int res = 0;
for (int i = 31; i > -1; i = minus(i, 1)) {
if ((x >> i) >= y) {
res |= (1 << i);
x = minus(x, y << i);
}
}
return isNeg(a) ^ isNeg(b) ? negNum(res) : res;
}
public static int divide(int a, int b) {
if (b == 0) {
throw new RuntimeException("divisor is 0");
}
if (a == Integer.MIN_VALUE && b == Integer.MIN_VALUE) {
return 1;
} else if (b == Integer.MIN_VALUE) {
return 0;
} else if (a == Integer.MIN_VALUE) {
int res = div(add(a, 1), b);
return add(res, div(minus(a, multi(res, b)), b));
} else {
return div(a, b);
}
}
版权声明:本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:jacktools123@163.com进行投诉反馈,一经查实,立即删除!
标签:
相关文章
最新发布
- 【Python系列】SQLAlchemy 基本介绍
- 【Python】selenium 的EC.presence_of_element_located 和 EC.element_to_be_clickable 的区别
- 从零到一!超详细Pycharm安装教程(图解+详细步骤)
- python json jsonl 的用法
- 【Python篇】深度探索NumPy(下篇):从科学计算到机器学习的高效实战技巧
- boto3:Python连接S3对象存储并进行文件操作(上传、下载、删除)
- 全网最适合入门的面向对象编程教程:50 Python函数方法与接口-接口和抽象基类
- Python pycryptodome类库使用学习总结
- import torch 报错:WinError 126
- 如何在Java中实现邮件发送功能?
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Could not build wheels for llama-cpp-python, which is required to install pyproject.toml-based proj
- Python pyinstaller打包exe最完整教程
- Anaconda版本和Python版本对应关系(持续更新...)
- Python与PyTorch的版本对应