海量数据求 TOP N
海量数据求 TOPN
query 排名
有多台机器，每台机器日志记录了 query 的访问，每次有一个 query 查询就记录条日志。求访问次数最多的 n 条 query。
- 在每个机器上建立 <query, count> 的哈希表
- 每台机器将自己的 query [query0, queryn]列表汇总到一台机器上。
- 这台机器向所有机器发送 query_i 的出现次数，将其次数汇总到这台机器上。
- 在这台机器上建立一个大小为 n 的小顶堆。将汇总后的 <query_i,count_i> 插入到小顶堆之中，如果此时堆的大小超过了 n，那么就将堆顶元素移除。
- 在处理完所有 query 之后，就剩下了 top n 次数的 query。
MapReduce
