【C++进阶】哈希的应用

目录

一：面试题：给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在这40亿个数中。【腾讯】

二：给定100亿个整数，设计算法找到只出现一次的整数？

三：哈希切割

---

一：面试题：给40亿个不重复的无符号整数，没排过序。给一个无符号整数，如何快速判断一个数是否在这40亿个数中。【腾讯】

首先：40亿个整数要占用多少空间？

先来回顾一下：

1G = 1024MB

1024MB= 1024*1024 KB

1024*1024 KB = 1024*1024*1024 Byte = 2^30 Byte = 大约10亿 Byte

40亿个字节 = 4 G，所以4*4 = 16 G

以下两种方法内存消耗太大：

第一种方法：排序+二分查找

第二种方法：40亿个数放进一个set/unordered_set，查找 x 在不在，因为会有额外的附带消耗，left，right，parent，col.

===》节省内存的角度出发：使用2^32个比特位的位图进行映射，2^32 bit = 2^29 Byte   

因为2^30 Byte = 10亿 Byte = 1G ，所以2^29 Byte = 512 MB

 对于一个数x如何映射他的位置： 

// 把x映射的比特位设置成1
		void set(size_t x)
		{
			// 计算出他是第i个char对象中
			size_t i = x / 8;
			// 计算出他在这个char的第j个比特位上
			size_t j = x % 8;
 
			_bits[i] |= (1 << j);
		}
		// 把x映射的比特位设置成0
		void reset(size_t x)
		{
			// 计算出他是第i个char对象中
			size_t i = x / 8;
			// 计算出他在这个char的第j个比特位上
			size_t j = x % 8;
 
			_bits[i] &= (~(1 << j));
		}

如何判断一个数是否是1：

bool Test(size_t x)
{
	//计算出他是第i个char对象中
	size_t i = x / 8;
	//计算出他在这个char的第j个比特位上
	size_t j = x % 8;
 
	return _bits[i] & (1 << j); //0就是假，非0就是真
}

二：给定100亿个整数，设计算法找到只出现一次的整数？

解决方法：用2个比特位标识一个值——消耗1G的内存

不在：       00

出现一次：01

出现多次：10

template<size_t N>
	class FindOnceValSet
	{
	public:
		void set(size_t x)
		{
			bool flag1 = _bs1.test(x);
			bool flag2 = _bs2.test(x);
			// 00 -> 01
			if (flag1 == false && flag2 == false)
			{
				_bs2.set(x);
			}// 01 -> 10
			else if (flag1 == false && flag2 == true)
			{
				_bs1.set(x);
				_bs2.reset(x);
			}
			// 10 -> 10  不处理，标识已经出现多次
		}
 
		void print_once_num()
		{
			for (size_t i = 0; i < N; ++i)
			{
				if (_bs1.test(i) == false && _bs2.test(i) == true)
				{
					cout << i << endl;
				}
			}
		}

三：哈希切割

给一个超过100G大小的log file, log中存着IP地址, 设计算法找到出现次数最多的IP地址？ 与上题条件相同，如何找到top K的IP？