Question

确定，

我在一次采访中得到了这个问题，我认为我需要一些帮助来解决它。

你有一吨URL称为字符串数组或从文件中读取。您现在需要获得前十个最常读的，如文件中十大最常用的URL。

我的方法是：

         Read them into a String Array, 
         Iterate through each String/URL,
             At every Iteration, put them into Hashtable, incrementing the count.
         Iterate again and find feed the scores into an array
         Sort and find the top 10 scores OR use max-heap to get the top 10.
         Iterate again and remove the URL's with the top 10 scores.

这是一个非常糟糕的答案吗？有人可以帮助我进一步解决这个问题吗？

Answer 1

您可以使用最少的内存和基本上无限大小的文件来执行此操作：

Use the OS-supplied sort utility to sort the URLs on disk
Create a priority queue (binary heap, for example)
For each URL in the file
    if the URL is the same as the previous URL
        increase count
    else
        AddToQueue(previous_url, count)
        previous_url = current_url
        count = 1
EndFor
AddToQueue(previous_url, count)

此时，前10个访问量最多的URL将位于优先级队列中。

AddToQueue函数如下所示：

AddToQueue(url, count)
    if (queue.Count < 10)
        add new url with count to queue
    else if (count > top_of_queue.count)
        remove top URL from queue
        add new url with count to queue

如果您有足够的内存来加载所有URL，您可以将它们加载到一个数组中并对其进行排序。但是如果你有足够的内存用于所有的URL，那么基于字典的方法可能会更快。

Answer 2

运行时并不坏，总体来说就像O（nlogn）。

Read them into a String Array - O(n)
Iterate through each String/URL - O(n)
    At every Iteration, put them into Hashtable, incrementing the count - O(1)
Iterate again and find feed the scores into an array - O(n)
Sort and find the top 10 scores OR use max-heap to get the top 10 - O(nlogn)
Iterate again and remove the URL's with the top 10 scores. - O(1)

但是，你可以跳过最后两步。相反，遍历哈希表（或URL）的条目，并且当您浏览条目时，维护一个包含前10个分数的10个条目的数组;这样你跳过排序步骤，整个运行时将是O（n）。

Answer 3

首先，请注意您不必要地使用额外的内存。为什么要将所有内容读入数组，然后遍历该数组以将所有内容插入哈希表中？除非你有充分的理由这样做，否则你应该在阅读时将它放入哈希表中。

这减少了对阵列的需求，并且通过O（n）减少了内存使用量。其他步骤听起来很合理。维护一个包含前10个分数的10个条目的数组的想法是一个很好的方法，但它提出了如何有效地做到这一点的问题。

此外，使用哈希表可能会引发实现问题，您过分依赖内置库中的内容。为了采访，可能更好的方法是将所有内容读入二叉搜索树，其中每个节点都包含一个带有字符串的结构，以及该字符串的出现次数（以及指向左右节点的指针）。通过二进制搜索树，您可以查看O（log（n））时间内是否存在字符串。阅读完所有内容并将其放入树中后，您可以使用shell排序对树进行排序。壳牌分类是这项运动的一个很好的选择，因为它可以迅速消除大量的疾病。此解决方案在O（nlog（n））时间内运行。

如果你的面试官可以使用哈希表，也许它不值得实现一棵树的麻烦，但是说“我会使用哈希表”你可以用脚射击自己，除非你当然实现哈希表。这实际上取决于具体情况。

从文件中读取URL字符串列表并查找前10个最常读取的URL

3 个答案: