摘要： 百度的笔试、一面、二面，豆瓣的笔试题都涉及到了海量数据处理；因为不是CS专业，平时真心没用过上亿的数据量，初看到题的时候完全无从下手，顶多就一些将数据分割成很多的小文件，然后处理这些单个的文件，最后进行归并，而实现的过程也不是很清楚。 仔细回想一下《编程诛讥》里是有提到过海量数据处理的，只是当时连Bitmap都不清楚，就没有细心研究过。昨天百度一面的一道题，说有10亿个无符号的整型数据，如何找出重复的数字并统计其个数。当时，我又将“分割”的算法照搬一遍，还加上Quicksort，后面发现，归并的时候不知道怎么处理了；只好换一种思路，想到了计数排序，考官一开始没听懂，问我是不是桶，我一想，... 阅读全文