海量数据搜索算法优化-存储/查询/排序算法

   海量数据库的应用，如国家的人口管理系统，户籍档案管理系统，在这样的海量数据库应用中，数据库的存储设计和结构优化（如索引优化）、数据库的查询优化及分页算法尤为重要！

    随着互联网的日益普及，海量信息的增长，网格运算的到来，海量数据存储产品和海量数据存储技术方案的需求更为市场所需。

    同时，实际的海量数据处理，更是涉及很多细节，包括 海量数据存储（物理存储、逻辑存储、海量数据库的备份）、数据采集、海量数据查询（海量数据分页、海量数据排序）、海量数据安全和管理等。


百度、google海量数据搜索算法题解

下面是某同仁在baidu和google的笔试中遇到的两道“百度、google海量数据搜索算法题解”

Google和baidu，人家的数据量在那里摆着，他们的命题思路很明确，不要求具体语言，只要求程序的效率和可行性，题目大多数是关于海量数据搜索的算法问题。

百度、google的海量数据搜索算法题

　　1、有1亿个浮点数，请找出其中对大的10000个。提示：假设每个浮点数占4个字节，1亿个浮点数就要站到相当大的空间，因此不能一次将全部读入内存进行排序。

　　2、有一篇英文文章(也就是说每个单词之间由空格分隔)，请找出“csdn”着个单词出现的次数，要求效率最高，并写出算法的时间级。


Peak Wong的海量数据搜索算法题解

　　1、有1亿个浮点数，请找出其中对大的10000个。提示：假设每个浮点数占4个字节，1亿个浮点数就要站到相当大的空间，因此不能一次将全部读入内存进行排序。

　　~~~~~~~~~~~~~

　　其实占用内存不算大, 可以接受. 呵呵.

　　既然不可以一次读入内存, 那可以这么试试:

　　方法1: 读出100w个数据, 找出最大的1w个, 如果这100w数据选择够理想, 那么最小的这1w个数据里面最小的为基准, 可以过滤掉1亿数据里面99%的数据, 最后就再一次在剩下的100w(1%)里面找出最大的1w个咯~~

　　方法2: 分块, 比如100w一个块, 找出最大1w个, 一次下来就剩下100w数据需要找出1w个了.

　　对于上面提到的找出100w个数据里面最大的1w个, 说起来比较罗嗦, 还是说说找到第1w个大的数字的方法:

　　用快速排序的方法, 分2堆, 如果大的那堆个数N大于1w个, 继续对大堆快速排序一次分成2堆, 如果大堆个数N小于1w, 就在小的那堆里面快速排序一次, 找第10000-N大的数字; 递归以上过程, 就可以找到第1w大的数. 据说也是STL的search_n()的方法;

　　参考上面的找出第1w大数字, 相信楼主就可以类似的方法找出前1w大数字了.


　　第二个问题，其实很简单。

　　假设不区分大小写，由于英文字母有26个，因此，可以将单词映射为数字。csdn被映射成:

　　( 'c '- 'a ')*32*32*32+( 's '- 'a ')*32*32+( 'd '- 'a ')*32+( 'n '- 'a ')

　　即：( 'c '- 'a ')*(1 < <15)+( 's '- 'a ')*(1 < <10)+( 'd '- 'a ')*(1 < <5)+( 'n '- 'a ')


     深圳海量存储设备有限公司是目前国内具备完善的海量数据存储解决方案的企业之一。
   随着 海量数据存储设备的需求日增，全球各大高端存储设备厂商都将面临海量数据存储的新挑战。