Java海量算法

1、有1亿个浮点数，请找出其中最大的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。
3.假设有1kw个身份证号，以及他们对应的数据。身份证号可能重复，要求找出出现次数最多的身份证号。
4.百度每天都会接受数亿的查询请求, 如何在这么多的查询(Query)中找出高频的Query是一个不小的挑战. 而你的任务则更加艰巨, 你需要在极其有限的资源下来找出这些高频的Query.(使用内存不得多于1MB) 。输入文件是一行一个Query, 以文件结束符结尾。每个Query字节数L(一个汉字两个字节)满足：0
1.对于第一道题目可以发现如果一次读入那么机器的内存肯定是受不了的，因此我们只有想其他方法解决，解决方式为了高效还是得符合一定的该概率解决，结果并不一定准确，但是应该可以作对大部分的数据。
(1.我们可以把1亿个浮点数分组为100W个一组，这样就分为了100个组，第一次在每个组中找出最大的1W个数，第二次查询的时候就是100W个数中再找出最大的1W个数。
PS:100W个数中再找出最大的1W个数用类似快排的思想搞定。
2.第二道题目可以把单词看成一个N进制数，CSDN相当于('c'-'a')*N^3+('s'-'a')*N^2+('d'-'a')*N+('n'-'a'),然后查找这个数出现的次数就是答案,也可以建立一颗字典树，然后去计数！
PS:N可以取32，64等
3.简单进行hash搞定,O(n),如果数据量再扩大我就不知道怎么搞了，用磁盘的话，IO数据是接受不了的
4.hash，然后建立hash[103][100]的节点的表，每次找出出现次数最少的进行替换。
Tags - 海量数据 , 处理
*在处理海量数据时hash + 索引 + 倒排非常有用，在内存空间较小的情况下多通道排序也非常有用！另外，在遇到海量数据求高频问题时，还可以采用采样的手段来处理。
*对于第一道的思路一种更效率是： 1、读入的头10000个数，直接创建二叉排序树。O(1) 2、对以后每个读入的数，比较是否比前10000个数中最小的大。(N次比较)如果小的话接着读下面的数。O(N) 3、如果大，查找二叉排序树，找到应当插入的位置。 4、删除当前最小的结点。 5、重复步骤2，直到10亿个数全都读完。 6、按照中序遍历输出当前二叉排序树中的所有10000个数字。 基本上算法的时间复杂度是O(N)次比较 算法的空间复杂度是10000(常数）