两个各5000万字符串的文件求交集
哪些公司问过
答案要点
- 估算数据量,内存放不下时采用分治
- 按 hash%K 拆分两个文件,相同字符串必落入同号小文件
- 逐对加载 Ai 到哈希集合,遍历 Bi 求交集,命中后删除去重
- Linux 下可用 sort -u 加 comm -12 实现外部排序求交
- 布隆过滤器可预筛,但有误判,需要精确校验
易错点
- 两个文件用不同的哈希函数或不同的 K 拆分,导致漏掉交集
- 只用布隆过滤器得出结果,没有处理误判
- 不考虑重复字符串,输出重复结果
面试官常见追问
- 某个小文件特别大怎么办?
- 多台机器怎么做?
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。