关于“100g文件全是数组，取最大的100个数”解决方法汇总

原题如下：

有一个100G大小的文件里存的全是数字，并且每个数字见用逗号隔开。现在在这一大堆数字中找出100个最大的数出来。

我认为，首先要摸清考官的意图。是想问你os方面的知识，还是算法，或者数据结构。

如果是os： 无疑是外排序算法的选择。100g文件在当前的环境下是无法全部读入内存的。

如果是算法：我觉得这个题考虑排序就是错的，只需要比较。找出最大的即可。

无论是哪种，都不需要一个实际代码的解决方案。只提供思路就可以了。所以，这道题也可以从面试的角度去回答而不是技术层面回答。

至于在技术层面有没有必要研究这个问题，那就是个人有个人看法了。

比较机灵的回答：

继续询问考官：这100g的文件是不是已经排序好了的？

如果已排序，那还不是信手拈来？

比较极端的回答：

请问：
1，你使用的什么操作系统，100G的文件，NTFS的？vista还是win7的？内存有多少大？
2，如果里面的数字小于100个怎么办？
3，如果里面的第一个数字就是100G-198个字节，那么java是无法处理的，请给我一个可以处理的语言出来。
4，我知道你会说假设，但是，程序员的任务是解决实际问题，一切皆以实际问题出发。任何一个理论都是有实际模型的。
5，不知道是谁命的题，我建议他命题严谨点，我不希望有这样的同事或者上级，更不希望将来贵公司因为这样的人毁了前途。

关于比较数据思路新颖的回答：

如果全都是正整数的话，可以先比较长度，挑出长度最长的一类，然后再排序挑出前100，如果最长的一类不足100个，就在长度-1的一类里选...........

（引用http://topic.csdn.net/u/20091013/10/d5d371dc-6dec-4034-bf31-432a47ffce96.html 3楼 ZX_ARES）

个人比较喜欢的回答：

我把这个算法分为两个阶段。这个是基于概率统计的算法。用统计的方法
有时比专家系统还有效，这是从开复老师的书《世界因你不同》里学到的。

第一，先期学习阶段：

先读入文件中前10万个数(具体多少视情况定)，找出其中最大的100个数，
保存在一个数组MaxAry[100]里.(指针链表)

第二，正式查找阶段：

读入文件中一个数，并与MaxAry中最小的数(例如是MaxAry[100])比较。
如果这个数比MaxAry[100]小则读入下一个数继续比较。
如果比MaxAry[100]大的话，则将其排入MaxAry中适当位置，继续读入下个数……

算法解释：
10万个数中选出前100个大数，这意味着之后的数小于这100个数的概率是0.999，
也就是说1000个数中只有1个数需要插入MaxAry中。而随着读入数的个数增加，需
要插入MaxAry中的概率越小，效率也越来越高。相当于一个自学习的进化算法。
这个算法的理想前提是文件中的数据分布比较均匀，最差的情况是文件中的数据越往后越大。

（引用http://topic.csdn.net/u/20091013/10/d5d371dc-6dec-4034-bf31-432a47ffce96.html ）

除了第一个回答无论是哪种方法，无疑，肯定是要将100g的文件读一遍的。而且是边写边处理

此外的回答还有多线程和分段排序再汇总比较。

关于多线程，我无法给出理由反驳。本身对多线程的知识就不牢靠所以不评论。

而分段排序再汇总我有疑问：如果分段后提取出来的最大的100个数字，比另一端里被舍弃的小数字还小呢？

基于上，我觉得还是要找好回答点。是100g？还是处理思路？

这个要看个人的思路。

以上回答，仅作提示。

参考：2010支付宝西安最新笔试题..求高手给出算法和思路