zrh_CSDN的博客

它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。生成布隆过滤器的过程：1.注意到题目允许有一定的失误率；2.根据样本的个数n和允许的失误率p，求出bitarray的大小m：m=-nInp/(In2*In2);3.根据m求得哈希函数个数k:k=In2*(m/n)=0...

题目：搜索关键词的TOP K问题。 搜索引擎每天会把用户检索使用的关键词都记录下来，并保存到日志文件中，每个关键词的长度为1-255字节。假设目前有1000万个记录（这些关键词的重复度较高，虽然总数是1000万，但去重后不超过300万。一个关键词的重复度越高，说明检索它的用户越多，也就是越热门的关键词。）请你统计最热门的10个关键词，要求使用的内存不超过1G。 解决这类问题，原则上分为两步：1...