TOP-K排序算法,从海量不重复数据中找出最大/小的K个数
来源:互联网 发布:数据库缓存redis框架 编辑:程序博客网 时间:2024/05/22 10:33
如题,TOP-K排序的主要功能是找出一堆不重复数据中的最小或最大的几个数,此处我们介绍这种类型题目的某种解法:
最大最小堆,最大堆结构里面的每一个数不都是小于root的值么?和我们要解决的问题很像。由此,我们可以构造一个堆,并且用它来存储我们需要找的那几个数。有这么一个动态flash就很好地揭示了其中关系:top-k动画演示
关于什么是堆在此就不做介绍了,但注意,此处所用的的最大最小堆和数据结构的推排序的堆有区别,不再赘述。下面给出一个例子来供参考:(C++代码)
#include<stdio.h>#include<iostream>using namespace std;struct min_heap{ min_heap(int n){ this->size=n; for(int i=0;i<size;i++) heap[i]=-1; } int size; int heap[100]; void add(int n){ if(n<=heap[0]) return; int tem=0; heap[0]=n; while(tem<size){ if(2*tem+1>=size) break; if(2*tem+2>=size&&heap[tem]<heap[2*tem+1]) break; if(2*tem+2>=size&&heap[tem]>heap[2*tem+1]){ int chan=heap[tem]; heap[tem]=heap[2*tem+1]; heap[2*tem+1]=chan; break; } if(heap[tem]<heap[2*tem+1]&&heap[tem]<heap[2*tem+2]) break; else{ int min= 2*tem+1; if(heap[min]>heap[2*tem+2]) min=2*tem+2; int chan=heap[tem]; heap[tem]=heap[min]; heap[min]=chan; tem=min; } } } void print(){ for(int i=0;i<size;i++){ if(heap[i]>0) cout<<heap[i]<<" "; } cout<<endl; }};//测试用例:int main(){ int a[12]={145436,2234,113,4,5,6,7,8,9,23,45,67}; min_heap* test=new min_heap(4); for(int i=0;i<12;i++){ test->add(a[i]); test->print(); } test->print(); return 0;}结果如下图:
举个例子:
有一个1G大小的一个文件,里面每一行是一个词,词的大小不超过16字节,内存限制大小是1M。返回频数最高的100个词。
大数据的题有这么一个模式:先hash缩小,然后hash统计,然后排序。
此题,内存只有2××20b,数据共2××30b,假设每个词皆2××4b,我们可以推出内存一次可以存2××16个数据,总数据2××26个,我们可以hash%1024分成1024堆(hash等于某值就存储之),每堆大小大约1M,在1024堆里面统计词频,然后用上述K-tops求出结果。
当然,也有可能出现某堆不止1m大小的情况,我们需要具体再细分下去,具体如何我们可以分情况讨论。
1 0
- TOP-K排序算法,从海量不重复数据中找出最大/小的K个数
- 从海量数据中找出最小的k个数
- 海量数据处理 - 10亿个数中找出最大的10000个数(top K问题)
- 海量数据处理 - 10亿个数中找出最大的10000个数(top K问题)
- 海量数据处理-10亿个数中找出最大的10000个数(Top K问题)
- 【Top-k问题】如何从海量数据中找出前k大数
- 利用MapReduce求海量数据中最大的K个数
- 找出一堆数据中最大或者最小的K个数
- 找出一堆数据中最大或者最小的K个数
- 【海量数据处理】N个数中找出最大的前K个数
- 海量数据Top K算法
- 10亿个数中找出最大的10000个数(top K问题)
- 寻找最大的K个数(TOP K算法)
- 二.用最小堆方法找出海量数据中最小的k个数
- N个数中找出最大的K个数
- 100w个数中找出最大的k个数
- 100w个数中找出最大的前k个数
- 100w个数中找出最大的前K个数
- winpcap实现从TCP三次握手到发送http请求
- iOS高级编程-使用类目方法给一个类添加属性
- 玩游戏学前端——看您的细节把握能力
- [python][爬虫]暴漫gif下载
- 【c语言】先后输出BOY三个字符
- TOP-K排序算法,从海量不重复数据中找出最大/小的K个数
- ORA-32001: write to SPFILE requested but no SPFILE specified at startup问题的解决
- zoj 1597 Circular Area(求两圆相交的面积)
- Andriod 内存泄露问题的整理
- Nginx 配置文件详解
- 【c语言】从键盘输入BOY三个字符,然后把它们输出到屏幕
- 第八周 项目三-分数类中的运算符重载(2)
- YTUOJ-信息的分割
- python编码