待完成的任务
了解：
1、Arrays.mergeSort排序算法
2、BigInteger的实现原理
3、红黑树的添加和删除操作实现
4、Collections各方法的相关实现
5、ORACLE怎么查找db_cache pool中的block，比如全表扫描怎么查找到所有的block。
6、学习apache，memcached、webservice、MYSQL
大数据量处理算法：
1. Bloom Filter
2. Hash
3. Bit-Map
4. 堆
5. 双层桶划分
6. 数据库索引
7. 倒排索引（Inverted Index）
8. 外排序
9. Trie树
10. MapReduce
1、bloom filter
转载：http://www.hellodba.net/2009/04/bloom_filter.html
设想以下的一个问题：有一个keyword的集合，我们需要快速判定某个keyword是否包含在其中。最简单的方法是遍历，但是效率很差。我们马上想到了hash的方法，因为在Oracle内部，hash无处不在。比如在cache buffer中找到某个block，在shared pool中找到某个SQL等等。我们可以把keyword的集合build成一个hash table，然后根据keyword计算hash值，通过是否落在相应的hash bucket中，这样就可以实现快速查找的目的。这个方法不错，但是当keyword过多时，hash table会占用大量内存，效率也会随之下降。
今天公司的架构师介绍了一个新的方法给我：Bloom Filter。它是一种基于随机数(或Hash)的数据结构，它支持对成员使用较少空间来存储，却能得到较高效率的查询。换句话说：在Bloom Filter 可以用于检索一个元素是否在一个集合中。其原理如下：
建立一个容量为500万的Bit Array结构（Bit Array的大小和keyword的数量决定了误判的几率），将集合中的每个keyword通过32个hash函数分别计算出32个数字，然后对这32个数字分别用500万取模，然后将Bit Array中对应的位置为1，我们将其称为特征值。简单的说就是将每个keyword对应到Bit Array中的32个位置上，见下图：
当需要快速查找某个keyword时，只要将其通过同样的32个hash函数运算，然后映射到Bit Array中的对应位，如果Bit Array中的对应位全部是1，那么说明该keyword匹配成功。
Bloom filter 是一个集合的有损编码，所以它不是一种“保险”的方案，存在一定的误判率。
另参考：http://blog.csdn.net/jiaomeng/archive/2007/01/27/1495500.aspx
========================================================================
1、在一条街上，有5座房子，喷了5种颜色。
2、每个房里住着不同国籍的人
3、每个人喝不同的饮料，抽不同品牌的香烟，养不同的宠物
问题是：谁养鱼？
提示：
1、英国人住红色房子
2、瑞典人养狗
3、丹麦人喝茶
4、绿色房子在白色房子左面
5、绿色房子主人喝咖啡
6、抽Pall Mall 香烟的人养鸟
7、黄色房子主人抽Dunhill 香烟
8、住在中间房子的人喝牛奶
9、 挪威人住第一间房
10、抽Blends香烟的人住在养猫的人隔壁
11、养马的人住抽Dunhill 香烟的人隔壁
12、抽Blue Master的人喝啤酒
13、德国人抽Prince香烟
14、挪威人住蓝色房子隔壁
15、抽Blends香烟的人有一个喝水的邻居
以上是爱因斯坦在20世纪初出的这个谜语。他说世界上有98％的人答不出来。
你能做出来吗？
1、Arrays.mergeSort排序算法
2、BigInteger的实现原理
3、红黑树的添加和删除操作实现
4、Collections各方法的相关实现
5、ORACLE怎么查找db_cache pool中的block，比如全表扫描怎么查找到所有的block。
6、学习apache，memcached、webservice、MYSQL
大数据量处理算法：
1. Bloom Filter
2. Hash
3. Bit-Map
4. 堆
5. 双层桶划分
6. 数据库索引
7. 倒排索引（Inverted Index）
8. 外排序
9. Trie树
10. MapReduce
1、bloom filter
转载：http://www.hellodba.net/2009/04/bloom_filter.html
设想以下的一个问题：有一个keyword的集合，我们需要快速判定某个keyword是否包含在其中。最简单的方法是遍历，但是效率很差。我们马上想到了hash的方法，因为在Oracle内部，hash无处不在。比如在cache buffer中找到某个block，在shared pool中找到某个SQL等等。我们可以把keyword的集合build成一个hash table，然后根据keyword计算hash值，通过是否落在相应的hash bucket中，这样就可以实现快速查找的目的。这个方法不错，但是当keyword过多时，hash table会占用大量内存，效率也会随之下降。
今天公司的架构师介绍了一个新的方法给我：Bloom Filter。它是一种基于随机数(或Hash)的数据结构，它支持对成员使用较少空间来存储，却能得到较高效率的查询。换句话说：在Bloom Filter 可以用于检索一个元素是否在一个集合中。其原理如下：
建立一个容量为500万的Bit Array结构（Bit Array的大小和keyword的数量决定了误判的几率），将集合中的每个keyword通过32个hash函数分别计算出32个数字，然后对这32个数字分别用500万取模，然后将Bit Array中对应的位置为1，我们将其称为特征值。简单的说就是将每个keyword对应到Bit Array中的32个位置上，见下图：
当需要快速查找某个keyword时，只要将其通过同样的32个hash函数运算，然后映射到Bit Array中的对应位，如果Bit Array中的对应位全部是1，那么说明该keyword匹配成功。
Bloom filter 是一个集合的有损编码，所以它不是一种“保险”的方案，存在一定的误判率。
另参考：http://blog.csdn.net/jiaomeng/archive/2007/01/27/1495500.aspx
========================================================================
1、在一条街上，有5座房子，喷了5种颜色。
2、每个房里住着不同国籍的人
3、每个人喝不同的饮料，抽不同品牌的香烟，养不同的宠物
问题是：谁养鱼？
提示：
1、英国人住红色房子
2、瑞典人养狗
3、丹麦人喝茶
4、绿色房子在白色房子左面
5、绿色房子主人喝咖啡
6、抽Pall Mall 香烟的人养鸟
7、黄色房子主人抽Dunhill 香烟
8、住在中间房子的人喝牛奶
9、 挪威人住第一间房
10、抽Blends香烟的人住在养猫的人隔壁
11、养马的人住抽Dunhill 香烟的人隔壁
12、抽Blue Master的人喝啤酒
13、德国人抽Prince香烟
14、挪威人住蓝色房子隔壁
15、抽Blends香烟的人有一个喝水的邻居
以上是爱因斯坦在20世纪初出的这个谜语。他说世界上有98％的人答不出来。
你能做出来吗？