百度笔试题5.2

二：算法题

你现在有一个文件，文件中顺序存有N个记录，R1,R2,...,RN,这些记录不是有序的，但是你知道一个整数M,这些记录满足R1<R2<...<RM以及RM+1<RM+2<...RN.

1,设计一个算法或编写一个程序，将文件中的记录排序为R1'<R2',<…<,RN',算法或程序读取文件的次数为O(N),不限内存使用。

2,设计一个算法或编写一个程序，将文件中的记录排序为R1'<R2'<...<RN',算法或程序读写文件的次数为O(N)，空间复杂度为O(1)，(亦即，你使用的内存大小和M,N均无关。)

 

Answer1:

第一个问题，因为内存不限，文件可能很大，内存无法一次容纳，所以分批将文件中的记录多次读入内存，然后进行外部排序。

 

 

 

 

 

三：系统设计题

网络上所有的链接都可以用以下的三元素进行描述：

From_url（链接所在页面的URL）

to_url（链接所指向的URL）

anchor（链接在页面上所显示的内容）

现在假设所有的网页链接信息（from_url / to_url /anchor）按from_url为轴都存储在M个（M：1k以内）巨型数据库中：

1，  链接存储形式：from_url  to_url  anchor；

2，  一个from_url的所有的to_url都存储在同一个数据库中；

3，  假设每个数据库存储的数据量相同

4，  要求设计一个获取所有链接分发程序，将这些数据均匀分发到N个远程数据库中（N:100以内）要求做到：1所有to_url相同的链接需要分到同一个远程数据库，2所有to_url的站点相同的需要分发到同一个远程数据库，3每个远程数据库获取的链接总数要尽量均匀，4每台数据库完成时间尽量保持一致5，获取网页的速度尽量快（从数据库中）

说明：对于url：http://mp3.baidu.com/m?tn=baidump3，其中mp3.baidu.com属于站点信息。

Answer：

对题目看得有点晕，是不是对于fromurl作散列，然后计算出存在哪个数据库上？然后再对tourl作散列，计算出存在哪个数据库上？当然也可以自己设计一个算法，将计算结果控制在1-M，之间（但如果以后数据库再加就不好办了）

由于散列算法很散，所以基本上每台服务器上的数据量相同。（自己设计的算法就不容易保证均匀）

不过没看明白为什么发到N个远程数据库，是做备份么？还是每个数据发的都不同？如果是备份，就根据散列后的数值，算出1组服务器（N个）。