文件中每行一个 IP,如何找出出现次数最多的前 10 个?
哪些公司问过
滴滴1Ucloud1
答案要点
- 哈希表统计每个 IP 次数,IPv4 可转为 32 位整数节省内存
- 大小为 10 的最小堆求 Top10,复杂度约 O(n + m log 10)
- 内存不足时按 IP 哈希取模拆分小文件,同一 IP 必落同一文件
- 各小文件分别统计求 Top10,再合并结果取最终 Top10
- 命令行:sort | uniq -c | sort -nr | head -10,提取字段可配合 awk
易错点
- 直接对所有 IP 全量排序,复杂度和内存都偏高
- 拆分大文件时按行号切分,导致同一 IP 分散在多个文件
- uniq 前没有先 sort,相同 IP 不相邻导致统计错误
面试官常见追问
- 为什么用最小堆而不是最大堆?
- 如果是实时数据流,要持续给出 Top10 呢?
- 日志里统计哪个地区出现最多怎么做?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。