Mass Data.md

海量数据设计问题

这部分经常用法的阶梯思路：

• 分治
• 哈希&一致性哈希
• 前缀树
• bitmap
• 大顶堆&小顶堆

常见的题目：

1. 如何从大量的 URL 中找出相同的 URL？
2. 如何从大量数据中找出高频词？
3. 如何找出某一天访问百度网站最多的 IP？
4. 如何在大量的数据中找出不重复的整数？
5. 如何在大量的数据中判断一个数是否存在？
6. 如何查询最热门的查询串？
7. 如何统计不同电话号码的个数？
8. 如何从 5 亿个数中找出中位数？
9. 如何按照 query 的频度排序？
10. 如何找出排名前 500 的数？
11. 讲讲大数据中 TopK 问题的常用套路？
12. 设计一个敏感词过滤系统，有什么思路？ 链接1