雲計算面試題知識彙總，雲計算面試經驗講解

雲計算崗位面試其實並無不少人想的那麼複雜，主要是電話面試，估計是面試的人比較少，簡單的問了一些技術問題，在問了有一些商務對接方面的問題第一輪，技術面的時候，問了雲計算的3個層面，雲計算如今發展狀況，商務面的時候，問了商務對接如何有效進行；第二輪，主要問作過什麼項目，如何作項目，下面給你們分享幾個實用的雲計算面試題知識。

一、海量日誌數據，提取出某日訪問百度次數最多的那個IP。

IP是32位的，最多有個2^32個IP。一樣能夠採用映射的方法，好比模1000，把整個大文件映射爲1000個小文件，再找出每一個小文中出現頻率最大的IP（能夠採用hash_map進行頻率統計，而後再找出頻率最大的幾個）及相應的頻率。而後再在這1000個最大的IP中，找出那個頻率最大的IP，即爲所求。

二、搜索引擎會經過日誌文件把用戶每次檢索使用的全部檢索串都記錄下來，每一個查詢串的長度爲1-255字節。

假設目前有一千萬個記錄（這些查詢串的重複度比較高，雖然總數是1千萬，但若是除去重複後，不超過3百萬個。一個查詢串的重複度越高，說明查詢它的用戶越多，也就是越熱門。），請你統計最熱門的10個查詢串，要求使用的內存不能超過1G。

第一步借用hash統計進行預處理： 先對這批海量數據預處理(維護一個Key爲Query字串，Value爲該Query出現次數，即Hashmap(Query，Value)，每次讀取一個Query，若是該字串不在Table中，那麼加入該字串，而且將Value值設爲1；若是該字串在Table中，那麼將該字串的計數加一便可。最終咱們在O(N)（N爲1千萬，由於要遍歷整個數組一遍才能統計處每一個query出現的次數）的時間複雜度內用Hash表完成了統計；

第二步借用堆排序找出最熱門的10個查詢串：時間複雜度爲N'*logK。維護一個K(該題目中是10)大小的小根堆，而後遍歷3百萬個Query，分別和根元素進行對比（對比value的值），找出10個value值最大的query

最終的時間複雜度是：O（N） + N'*O（logK），（N爲1000萬，N’爲300萬）

或者：採用trie樹，關鍵字域存該查詢串出現的次數，沒有出現爲0。最後用10個元素的最小推來對出現頻率進行排序。

三、有一個1G大小的一個文件，裏面每一行是一個詞，詞的大小不超過16字節，內存限制大小是1M。返回頻數最高的100個詞。

第一步分而治之/hash映射到順序讀文件中，對於每一個詞x，取hash(x)%5000，而後按照該值存到5000個小文件（記爲x0,x1,...x4999）中。這樣每一個文件大概是200k左右。若是其中的有的文件超過了1M大小，還能夠按照相似的方法繼續往下分，直到分解獲得的小文件的大小都不超過1M。

第二步hash統計對每一個小文件，統計每一個文件中出現的詞以及相應的頻率（能夠採用trie樹/hash_map等），並取出出現頻率最大的100個詞（能夠用含100個結點的最小堆），並把100個詞及相應的頻率存入文件，這樣又獲得了5000個文件。

第三步堆/歸併排序就是把這5000個文件進行歸併（也能夠採用堆排序）的過程了。（若是內存容許能夠將這5000個文件中的全部元素合併起來，利用堆得到top 100）

四、 給定a、b兩個文件，各存放50億個url，每一個url各佔64字節，內存限制是4G，讓你找出a、b文件共同的url？

能夠估計每一個文件安的大小爲5G×64=320G，遠遠大於內存限制的4G。因此不可能將其徹底加載到內存中處理。考慮採起分而治之的方法。

遍歷文件a，對每一個url求取hash(url)%1000，而後根據所取得的值將url分別存儲到1000個小文件（記爲a0,a1,...,a999）中。這樣每一個小文件的大約爲300M。

遍歷文件b，採起和a相同的方式將url分別存儲到1000小文件（記爲b0,b1,...,b999）。這樣處理後，全部可能相同的url都在對應的小文件（a0vsb0,a1vsb1,...,a999vsb999）中，不對應的小文件不可能有相同的url。而後咱們只要求出1000對小文件中相同的url便可。

求每對小文件中相同的url時，能夠把其中一個小文件的url存儲到hash_set中。而後遍歷另外一個小文件的每一個url，看其是否在剛纔構建的hash_set中，若是是，那麼就是共同的url，存到文件裏面就能夠了。

5. 騰訊面試題：給40億個不重複的unsigned int的整數，沒排過序的，而後再給一個數，如何快速判斷這個數是否在那40億個數當中？

方案1：申請512M的內存（2^32/8=512MB），一個bit位表明一個unsigned int值。讀入40億個數，設置相應的bit位，讀入要查詢的數，查看相應bit位是否爲1，爲1表示存在，爲0表示不存在。

方案2：由於2^32爲40億多，因此給定一個數可能在，也可能不在其中；這裏咱們把40億個數中的每個用32位的二進制來表示假設這40億個數開始放在一個文件中。

而後將這40億個數分紅兩類: 1. 最高位爲0 2. 最高位爲1

並將這兩類分別寫入到兩個文件中，其中一個文件中數的個數<=20億，而另外一個>=20億（這至關於折半了）；與要查找的數的最高位比較並接着進入相應的文件再查找

再而後把這個文件爲又分紅兩類: 1.次最高位爲0 2.次最高位爲1

並將這兩類分別寫入到兩個文件中，其中一個文件中數的個數<=10億，而另外一個>=10億（這至關於折半了）； 與要查找的數的次最高位比較並接着進入相應的文件再查找。 ....... 以此類推，就能夠找到了,並且時間複雜度爲O(logn)。