我最近参加了一次采访。我被问到以下问题：
每行有一个不同值的文本文件。如何找到最大行数/条目中存在的一个值？
我将hashmap作为具有恒定时间复杂度的解决方案。
然后面试官改变了问题并询问如果文件有100亿行怎么办？
现在我不能使用hashmap。我无法想到一种方法。 任何人都可以建议一种方式。
有没有办法将相同的项目组合在一起？
答案 0 :(得分：4)
您可以对文件进行排序，然后执行一次只需要O（1）内存的传递。
答案 1 :(得分：1)
如果值的范围限制为32位整数，一种简单的方法是保持4Gbit阵列的8位饱和计数器。
你可以转换为使用更长的计数器来保持它的一次通过算法。 255是计数器的标记值，这意味着您应该改为引用值的散列图 - ＆gt; 64位计数器。
如果4GiB过多，你可以使用4位饱和计数器，但是你的计数器会更多饱和，并且它们的更新速度会慢一些（尽管内存仍然是瓶颈，无论转移的额外指令如何/掩模/重组与 - 旧值）。
使用多级方法（1位饱和计数器，然后是8位饱和计数器......）是没有意义的，因为第一级之后的所有级别都必须是稀疏的（或者没有点）。稀疏映射的每个条目开销（如散列或树）将占据实际计数器的大小，因此尽可能多地使用密集的第一级内存，然后回退到哈希映射的哈希映射第二级64位计数器。
在计算重复项时批量排序，然后合并这些批次。例如，请参阅我对Memory-constrained external sorting of strings, with duplicates combined&counted, on a critical server (billions of filenames)的回答，了解如何在批量处理时最大限度地提高效率。这是针对字符串而不是整数，但像Tries这样的方法可以在空间效率良好的情况下动态计算重复数据，对于数字字符串而言比使用任意字符串更好。 Radix Trie（节点可以表示字符串，而不仅仅是字符）可能比这么小的字母表更麻烦。
在任何情况下，如果排序，请计算重复项，直到您在编写批处理之前使用了尽可能多的内存。您在第一次传递中找到并计算的每个副本都是以后不必合并的副本。
答案 2 :(得分：0)
根据哈希值将所有值划分为多个文件，然后对每个文件使用hashmap。
，时间复杂度为O(n)而非O(1)