面试常见算法总结

这里是我在网上搜索的一些面试常见算法，总结一下，利人利己。

top k 问题：

选取第k大（前k大）的数可以采用类似于快速排序的方法， 利用快速排序的思想，从数组S中随机找出一个元素X，把数组分为两部分Sa和Sb。Sa中的元素大于等于X，Sb中元素小于X。这时有两种情况：
1. Sa中元素的个数小于k，则Sb中的第k-|Sa|个元素即为第k大数；
2. Sa中元素的个数大于等于k，则返回Sa中的第k大数。时间复杂度近似为O(n)

也可以用最大堆的方法，pop k次即可。

海量数据的top k 问题：

比如在一亿（N）个数中选取最大的10000（m）个，这时候要分情况讨论，如果说内存不足的话，那么可以采用建立一个m最小堆，然后遍历N个数，如果大于堆顶则插入。

如果内存足够的情况，可以直接采用快速排序方法，可以借助分治法，比如把N个数分为100份数，分别找出100个最大的10000，然后最后在100万中找10000个最大的。

选取频率最高问题

海量数据的top k 问题，如果有1g大小的文件，需要统计其中出现频率最高的100个词，有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16字节，内存限制大小是1M。返回频数最高的100个词。

方案：顺序读文件中，对于每个词x，取hash(x)%5000，然后按照该值存到5000个小文件（记为x