微软100题（38）几道百度面试题

题目：百度面试：
1.用天平（只能比较，不能称重）从一堆小球中找出其中唯一一个较轻的，使用x次天平，
最多可以从y个小球中找出较轻的那个，求y与x的关系式。

2.有一个很大很大的输入流，大到没有存储器可以将其存储下来，
而且只输入一次，如何从这个输入流中随机取得m个记录。

3.大量的URL字符串，如何从中去除重复的，优化时间空间复杂度

1.解答：

将小球分成三堆：A B C ，如果A == B，那么就在C里面，A<B，在A里面，否则在B里面

x==1 => y==3  x==2 => y==9称一次，把总量缩小到1/3，所以 y=3^x；

2.解答：

http://c.blog.sina.com.cn/profile.php?blogid=eb52001d89000ljl

http://blog.youkuaiyun.com/jiyanfeng1/article/details/7937715

都讲的挺好

用大小为m的数组arr[0:m-1]来保存随机抽取的元素，arr[0:m-1]逐步初始化为输入流的前m个元素的一个随机排列。
对于输入流中的第k (k>m)个元素，随机生成一个[0,k-1]区间内的整数i，如果此随机整数i小于等于m，那么就用第k个元素覆盖掉arr[i-1]，否则，丢弃第k个元素。
注意，每从输入流中提取一个新元素，我们都要随机生成一个整数，而此整数的有可能出现的范围都要加1.

 

3.解答：

海量数据处理，如果url个数上亿，那么可以——分而治之/hash映射：遍历文件a，对每个url求取hash(url)%1000，然后根据所取得的值将url分别存储到1000个小文件，相同的url一定在同一个小文件里面

然后处理每个小文件，可以继续设计hash函数，hash(url)相等时候，判断url是不是一样，将每个小文件中的url去重，最后再将这1000个文件合并