面试题库 › C++ / 后端 › 海量数据中找出现频次最高的 TopK

海量数据中找出现频次最高的 TopK

难度 ★★☆在 6 场真实面经中被问到 方向:C++ / 后端考点:TopK与海量数据

哪些公司问过

腾讯1字节跳动1金山办公1天眼查1多家公司(猿辅导、百度、网易互娱、滴滴、锐捷网络、吉比特、亿联网络等)1

常见岗位:C/C++ 软件开发、Java 后端、C++ 后端

答案要点

  1. 按哈希取模把数据分到多个小文件,保证相同元素落在同一文件且单个文件能装入内存
  2. 对每个小文件用哈希表统计频次,得到局部计数
  3. 维护大小为 K 的小顶堆合并各文件结果,复杂度约 O(N log K)
  4. IP 转为 32 位整数存储;数据倾斜时对过大的文件换哈希函数再拆分
  5. 允许近似时可用 Count-Min Sketch 加堆单遍处理,分布式场景可用 MapReduce

易错点

面试官常见追问

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。

相关面试题