标签题目
大文件处理相关面试题
两个大文件如何找共同出现的单词？
这题考大文件处理的内存约束意识，回答要先确认精确性和重复语义，再给出哈希分桶或外部排序方案。
如何在大文件中找出出现频率最高的前100个内容？
大文件中找出现频率最高的前 100 个内容，本质是大数据 TopK 频次统计：先统计每个内容出现次数，再从频次结果中选 Top100。答案要根据内存是否能容纳全部去重内容，选择 HashMap 计数、小根堆、哈希切分、外部排序、分布式聚合或流式近似算法。
当文件无法一次全部加载内存时，如何对大文件内容排序？
当文件无法一次全部加载内存时，如何对大文件内容排序？这道腾讯牛客题的关键是围绕“大文件外部排序”讲清概念、机制、取舍和边界。大文件无法一次加载内存时，用外部排序：按内存上限分块读取，每块在内存中排序后写成临时有序 run，再用 k 路归并把多个有序 run 合成最终有序文件。