海量日志数据，提取出某日访问百度次数最多的那个IP

 首先是这一天，并且是访问百度的日志中的IP取出来，逐个写入到一个大文件中。注意到IP是32位的，最多有个2^32个IP。同样可以采用映射的方法，比如模1000，把整个大文件映射为1000个小文件，再找出每个小文中出现频率最大的IP（可以采用hash_map进行频率统计，然后再找出频率最大的几个）及相应的频率。然后再在这1000个最大的IP中，找出那个频率最大的IP，即为所求。

或者如下阐述（雪域之鹰）：
1）算法思想：分而治之+Hash

1.IP地址最多有2^32=4G种取值情况，所以不能完全加载到内存中处理；
2.可以考虑采用“分而治之”的思想，按照IP地址的Hash(IP)24值，把海量IP日志分别存储到1024个小文件中。这样，每个小文件最多包含4MB个IP地址；
3.对于每一个小文件，可以构建一个IP为key，出现次数为value的Hash map，同时记录当前出现次数最多的那个IP地址；
4.可以得到1024个小文件中的出现次数最多的IP，再依据常规的排序算法得到总体上出现次数最多的IP；

2）算法实现：

1. 由于手头没有数据，只能自己制造一个，1亿条IP数据，这个十分简单：

import java.io.BufferedWriter;
import java.io.File;
import java.io.FileWriter;
import java.util.Random;

//produce 10000 * 10000 IP
public class IpDataSet {
private static int section = 10000;
private static int sum = 10000;
public static void main(String[] args) throws Exception {

BufferedWriter bw = new BufferedWriter(new FileWriter(new File("ip.txt")));
Random r = new Random();
StringBuffer buffer = null;
StringBuffer temp = null;

for(int i=1;i<=sum;i++){
buffer = new StringBuffer();
//每section个IP写一次。
for(int j=1;j<=section;j++){
temp = new StringBuffer();
temp.append(r.nextInt(256));
temp.append(".");
temp.append(r.nextInt(256));
temp.append(".");
temp.append(r.nextInt(256));
temp.append(".");
temp.append(r.nextInt(256));
//buffer的最后一个没有换行
if(j!=section){
temp.append("\n");
}
buffer.append(temp);
}
bw.write(buffer.toString());
//sum中的最后一个，也就是1亿条数据的最后一行没有newline();
if(i!=sum){
bw.newLine();
}
if(i0==0){
System.out.println(i);
}
}
bw.flush();
bw.close();
}
}

2.按照hashcode拆分文件：

见工程代码，一共2两种方法

3. 统计每个小文件，使用hashtable

package com.carlosfu.chap1;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.util.Hashtable;
import java.util.Iterator;

public class MaxFrecencyFinal {
public static void main(String[] args) throws Exception {
File dic = new File("data/");
File[] files = dic.listFiles();

int max = 0; // 下面IP地址的出现频率
String ip = ""; // 出现频率最大的那个IP地址
int index = 0; // 上面这个IP地址出现在第几个文件

//遍历每个文件，用hashtable的方法统计每个文件每个IP对应的频率，然后求出最大值

for(int i=0;i<files.length;i++){

File file = files[i];
Hashtable<String, Integer> table = new Hashtable<String, Integer>();
BufferedReader br = new BufferedReader(new FileReader(file));

for(String str = br.readLine();str!=null;){
Integer number = table.get(str);
if(number == null){
table.put(str, 1);
}else{
table.put(str, number+1);
}
str = br.readLine();
}
//遍历hashtable找个最大IP，max ,index

Iterator<String> it = (Iterator<String>) table.keys();
while(it.hasNext()){
String str = it.next();
int value = table.get(str);
if(value>max){
max = value;
ip = str;
index = i;
}
}
}
System.out.println("max ip at file: " + index);
System.out.println(ip);
System.out.println(max);
}
}

4.解释数组链表：