海量数据处理面试题(2) 将用户的query按出现频度排序

问题描述：

有10个文件，每个文件1G，每个文件的每一行存放的都是用户的query，每个文件的query都可能重复。要求你按照query的频度排序。

分析：一般海量数据采用分治法时，都要用到哈希，将相似的数据聚集在一起。因此，本题的第一种解法就按照这个思路进行处理。

方案一：

图上说明的很清楚，就不再用文字描述了。像这种海量数据处理的题目，画图往往比语言描述更清晰易懂。

 

方案二：

如果query的种类较少，重复次数较多，当不同的query可以一次性加载到内存中时，可以选择HashMap进行统计，然后按出现次数做排序。

其实方案二就是方案一中的第二步，对hash之后的单个文件进行数量统计和内部排序。

 

 

参考资料：

海量数据处理面试题集锦