搜狐大数据开发实习面试

第一次踏出校门来北京面试，第一家公司，巨紧张，凉。
一、面试流程
1.自我介绍
2.二叉树的中序遍历并实现（手写代码）
3.手写代码（一个题，描述放在题解部分，应该是字符串处理，菜狗表示实在想不到什么更好的优化）
4. 1T的数据文件，一台100G的机器，如何找出重复第二多的行？

二、面试题解
1.二叉树的中序遍历并实现
参考他的https://blog.youkuaiyun.com/coder__666/article/details/80349039
总结：
序即根， 前序：根左右
中序：左根右
后序：左右根
我居然忘了。。。忘了。。。把前序当中序了，服了我自己了。难道紧张的啥都能忘。。。
2.字符串处理问题
规则：
1
11
21
1211
111221
312211
13112221
。。。
输入行号
给出输出
例：
4
1211
分析：感觉就是一个字符串处理的问题，读上一行，产生下一行。

代码如下：

package offer;

import java.util.Scanner;
/*字符串处理的题
        规则：
        1
        11
        21
        1211
        111221
        312211
        。。。
        输入行号
        给出输出
        例：
        4
        1211
        */
public class StringDemo {
    public static String result(int n){
        n=n-1;
        String str="1";
        for(int i=0;i<n;i++){
            str=read(str);
        }
        return str;
    }
    public static String read(String str){
        StringBuilder sb=new StringBuilder();
        for(int i=0;i<str.length();i++){
            int count=1;
            while(i+1<str.length()&&str.charAt(i)==str.charAt(i+1)){
                 count++;
                 i++;
            }
            String sc=String.valueOf(count);
            sb.append(sc);
            sb.append(str.charAt(i));
        }

        return sb.toString();
    }

    public static void main(String[] args) {
        Scanner sc=new Scanner(System.in);
        int n=sc.nextInt();
        String re=result(n);
        System.out.println(re);
    }
}

新手请各位大佬，看看还有没有什么可以优化的或更好的解决办法。

3.1T的数据文件，每一行都是一个常规的字符串，不是过大的那种，一台100G的机器，如何找出重复第二多的行？

思路：联想mapreduce处理流程
分治：（1）顺序读文件，将文件的每一行字符串都当作key,用key的hashcode对100取余，然后按照这个值分到各个小文件中，这样每一个文件平均10G，最大的那个应该不能超过100G,如果还有超过100G的就继续分。（partition）
（2）对每个小文件，统计每个文件中出现的词及相应的频率（用字典树或HashMap）(combiner)
（3）然后对这些文件进行合并（合并时按key归并排序，可以提高效率）再次,然后按（value即出现的次数）进行排序。
这样就只有一个mapTask就解决了问题。

同样，希望大家多多指教和讨论。

给自己的一句话：先得到可行解，再迭代优化----------迭代开发