大数据面试题1、给定a、b两个文件，各存放50亿个url，每个url各占64字节，内存限制是4G，让你找出a、b文件共同的url？ 2、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。4、海量日志数据，提取出某日访问百度次数最多的那个IP。5、在2.5亿个整数中找出不重复的整数，内存不足以容纳这2.5亿个整数。6、海量数据分布在100台电脑中，想个办法高校统计出这批数据的TOP10。大数据量的问题是很多面试笔
1、给定a、b两个文件，各存放50亿个url，每个url各占64字节，内存限制是4G，让你找出a、b文件共同的url？1) 可以估计每个文件安的大小为50G×64=320G，远远大于内存限制的4G。所以不可能将其完全加载到内存中处理。考虑采取分而治之的方法。2) 遍历文件a，对每个url求取 ，然后根据所取得的值将url分别存储到1000个小文件（记为 ）中。这样每个小文件的大约为
