开放问题

1. top k问题
   一般采用hash统计频率，再来使用堆排序，如果有内存大小限制，则采用分堆的思想，对数字使用比特位，对字符串使用hash值除以一个值来分堆，这样相同的元素都在一个堆里面。
2. 中位数
   先比较最高位，分成两堆，看中位数在哪一堆，然后在这一堆里继续比较次高位依次类推，知道可以直接在内存中求中位数；
   或维护小顶堆，拿到topk，再由topk拿到top2k，以此类推拿到中位数，如10亿数据，先由小顶堆拿第1亿大数据，然后对10亿中小于第1亿大数据构建小顶堆，拿到第2亿大数据，以此类推拿到第5亿大数据，即为中位数。
3. 海量数据查找
   布隆过滤器：多次hash+bitmap（会有hash冲突，不同数的结果可能一样）
   直接使用bitmap：依赖于最大数据的大小，如最大为整数8位，内存99M/8=12M byte