多线程统计大文件中出现次数最多的单词
哪些公司问过
答案要点
- 按字节分段,起止点对齐到单词边界,避免单词被拆分或重复统计
- 线程池并行,每线程用局部哈希表计数,统计阶段无锁
- future 异步返回局部结果,主线程或归并树合并到全局表
- 求最大值线性扫描,TopK 用大小为 K 的小顶堆,复杂度 n log K
- 超大文件按单词哈希分桶落盘分别统计;IO 可用 mmap 或大块顺序读
易错点
- 按固定字节切分不处理边界,单词被截断或重复计数
- 所有线程共用一个加锁的哈希表,锁竞争导致性能更差
- 没有统一大小写和标点处理,同一单词被统计成多个
面试官常见追问
- 手写线程池的核心结构是什么?
- 为什么不用一个全局哈希表加锁?
- 线程数怎么定?
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。