1、给一个超过100G大小的log file, log中存着IP地址, 设计算法找到出现次数最多的IP地址。
思路分析：
1.使用字符串哈希算法将相同IP 分配到一个文件中。将这些IP分配到1000个文件中。
2.由于字符串哈希算法会出现误差。所以再统计每个人文件中的top3 IP（使用Key_Value模型）。
3.将每个文件中的top3合并，再找出出现次数最多的IP即可。
2、给定100亿个整数，设计算法找到只出现一次的整数 。
思路分析：
这里使用BittMap（位图），每两个BIT位标记一个整数。没出现标记位为：00，出现一次为：01，出现超过一次均标记为：11。最终遍历这些标记为找出标记为01的整数，即是出现一次的整数。
3、给两个文件，分别有100亿个整数，我们只有1G内存，如何找到两个文件交集 。
思路分析：
1.先采用哈希切分，分别将这100亿个整数分配到400个文件中。文件名标记为A1,B1;A2,B2……A399,B399，若两者有交集则交集必出现在Ai和Bi中。
2.将文件A1的整型用扩展位图标记（重复出现则只标记一次即：01）。再将B1用该扩展位图标记为：10。
3.分别求出这400个文件的交集，再合并就是这两个文件的交集。
4、1个文件有100亿个int，1G内存，设计算法找到出现次数不超过2次的所有整数
思路分析：
使用位图，两个bit标记一个整数。00：未出现，01，出现一次，10出现两次，11出现两次以上。遍历位图找出标记为10的数即是出现不超过两次的整数。
5、给两个文件，分别有100亿个query，我们只有1G内存，如何找到两个文件交集？分别给出精确算法和
思路分析：
（1）近似算法：直接使用BoolFilter将其中个文件中对应的query进行标记，再用另一个文件中的query进行查询。若标记为1，则表明所查询的query为交集，查询完所有query即可找到两个文件的交集。此方法之所以不精确是因为不同的 query计算出的哈希值相同在标记时候就会误标记，最终导致误判。（2）精确算法：利用哈希算法将两个文件内分别容映射到1000个哈希桶中。哈希桶记为A1,A2,A3……，B1,B2,B3……。若query为交集，则必分别存在于A1和B1中，依次类推。再分别求出（A1，B1），（B1，B2）……的交集，最后合并这些query，就能算出这两个文件的交集。
6、如何扩展BloomFilter使得它支持删除元素的操作 ？如何扩展BloomFilter使得它支持计数操作 ？
思路分析：
扩展BloomFilter不再使用一个BIT为去标记，而是使用一个整型即4个字节。初始化时将每个整型置零。当有元素插入时哈希值所对应的整型自增运算。在删除时只用将哈希值所对应的整型自减运算。当一个元素对应的其中一个整型标记为0时，即表示这个元素已经删除。
用这种结构同样支持计数，在查询时分别检测某元素对应的所有标记位，最小值即为该元素出现的次数。
7、给上千个文件，每个文件大小为1K—100M。给n个设计算法对每个词找到所有包含它的文件，你只有100K内存
思路分析：
先对文件进行词法分析找出每个文件中的关键词。之后利用字符串哈希算法将关键词存入哈希表里，同时将每个关键词对应的文件名链在关键词之后。
在搜索时，输入对应的关键词用同样的哈希算法即可找到关键词对应的文件。
如图假设现在有4个文件，将文件中的关键词存入到哈希表中，再输入关键词即可找到对应的文件。