排序问题
1、100G 数据，只有 100M 内存，怎么排序？
思路：
使用多路归并排序
100G 数据，按照 100M 内存拆分，然后排序有序的数据，然后写入到 file1,file2…file100。
多路归并：
每次取出当前所有文件中的最小值，存入最终的大文件中。
第一回合：
从 file1,file2,file3……file100.取出第一个数。及最小的。所有的初始指针都是第一行。 min1=min(min1=min(fil1,file2,file3……file100)；file2,file3……file100)；min1 写入到大数据文件。大数据行数指针+1。min1对应的行数指针+1。
第二回合：
从file1,file2,file3……file100.取出第一个数。及最小的。所有的初始指针都是第一行。min2 = min(fil1,fil1,file2,file3……file100)； min2写入到大数据文件。大数据行数指针+1。min2写入到大数据文件。大数据行数指针+1。min2 对应的行数指针+1。
2、
大数据处理问题
查找
1、10亿个正整数，只有其中1个数重复出现过，要在O(n)的时间里面找出这个数，内存要尽可能少（小于200M）？
思路：位图法
（1）首先看一下10亿个正整数，正整数可以表示的范围为1到2的31次方-1。
位图法也就是对于出现的数，其中每1bit代表这个数，如果该位为1，则说明该数出现；如果该位为0，则说明该数没有出现。
10亿也就是1
10
9，2
31次方=2
1024
1024
1024>20亿， 将10,0000,0000处以8388608得到119.20928955078125，也就是差不多120M的内存，可以表示全10亿的数。
所以可以建立120M的一个位图，将其所有位设置为0，然后开始遍历这10亿个整数，每遍历一个，则对应到位图中相应的位置1，如果对应到位图中相应的位已经置1了，则说明这个数是要找的那个重复的数。用这种方法，最多就是遍历一遍，将这个10亿个正整数遍历完。
而使用的内存为120M左右。
2、如果有一个20g的日志文件，日志文件记录着用户访问过的url，每一行为一个url，给你一台512M的主机，找出出现次数最多的10个url？
思路1：
（1）Top K算法：使用堆排序算法＋大顶堆＋10个元素的数组
思路2:
（2）分治法
- 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；
- 可以考虑采用“分而治之”的思想，按照IP地址的Hash(IP)%1024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；
- 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；
- 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；
亿级排序
1、一个最多含有n个不重复的正整数（也就是说可能含有少于n个不重复正整数）的文件，其中每个数都小于等于n，且n=10^7。得到按从小到大升序排列的包含所有输入的整数的列表？
思路:
（1）磁盘归并多路排序
先将所有数据分成多个小文件，多个小文件采用内部排序后，再用多路合并排序完成排序输出。
总数据为n, 内存中采用内部排序最多m。先分成n/m个小文件，再内部排序，第三部读取所有小文件，每次将最小的数输出即可。
（2）bitmap排序
在内存中开10^7比特，均初始化为0，若出现则设置为1，输出为1的数即可。
智力题
1、赛马找最快
25匹马5条跑道找最快的3匹马，需要跑几次？答案：7
64匹马8条跑道找最快的4匹马，需要跑几次？答案：11
25匹马5条跑道找最快的5匹马，需要跑几次？答案：最少8次最多9次
2、砝码称轻重
-
有一个天平，九个砝码，其中一个砝码比另八个要轻一些，问至少要用天平称几次才能将轻的那个找出来？ 答案：2次
-
十组砝码每组十个，每个砝码都是10g重，但是现在其中有一组砝码每个都只有9g重，现有一个能显示克数的秤，最少称几次能找到轻的那组？ 答案：1次
3、药瓶毒白鼠
首先一共有1000瓶，2的10次方是1024，刚好大于1000，也就是说，1000瓶药品可以使用10位二进制数就可以表示。从第一个开始：
第一瓶 ： 00 0000 0001
第二瓶： 00 0000 0010
第三瓶： 00 0000 0011
……
第999瓶： 11 1111 0010
第1000瓶： 11 1111 0011
需要十只老鼠，如果按顺序编号，ABCDEFGHIJ分别代表从低位到高位每一个位。 每只老鼠对应一个二进制位，如果该位上的数字为1，则给老鼠喝瓶里的药。
观察，若死亡的老鼠编号为：ACFGJ，一共死去五只老鼠，则对应的编号为 10 0110 0101，则有毒的药品为该编号的药品，转为十进制数为：613号。（这才是正解，当然前提是老鼠还没被撑死）
4、绳子两头烧
现有若干不均匀的绳子，烧完这根绳子需要一个小时，问如何准确计时15分钟，30分钟，45分钟，75分钟。。。
15：对折之后两头烧(要求对折之后绑的够紧，否则看45分钟解法)
30：两头烧
45：两根，一根两头烧一根一头烧，两头烧完过了30分钟，立即将第二根另一头点燃，到烧完又过15分钟，加起来45分钟
75：=30+45
。。。