云計(jì)算面試題知識(shí)匯總，云計(jì)算面試經(jīng)驗(yàn)講解

云計(jì)算崗位面試其實(shí)并沒有很多人想的那么復(fù)雜，主要是電話面試，估計(jì)是面試的人比較少，簡(jiǎn)單的問(wèn)了一些技術(shù)問(wèn)題，在問(wèn)了有一些商務(wù)對(duì)接方面的問(wèn)題第一輪，技術(shù)面的時(shí)候，問(wèn)了云計(jì)算的3個(gè)層面，云計(jì)算現(xiàn)在發(fā)展情況，商務(wù)面的時(shí)候，問(wèn)了商務(wù)對(duì)接如何有效進(jìn)行；第二輪，主要問(wèn)做過(guò)什么項(xiàng)目，如何做項(xiàng)目，下面給大家分享幾個(gè)實(shí)用的云計(jì)算面試題知識(shí)。

1、海量日志數(shù)據(jù)，提取出某日訪問(wèn)百度次數(shù)最多的那個(gè)IP。

IP是32位的，最多有個(gè)2^32個(gè)IP。同樣可以采用映射的方法，比如模1000，把整個(gè)大文件映射為1000個(gè)小文件，再找出每個(gè)小文中出現(xiàn)頻率最大的IP（可以采用hash_map進(jìn)行頻率統(tǒng)計(jì)，然后再找出頻率最大的幾個(gè)）及相應(yīng)的頻率。然后再在這1000個(gè)最大的IP中，找出那個(gè)頻率最大的IP，即為所求。

2、搜索引擎會(huì)通過(guò)日志文件把用戶每次檢索使用的所有檢索串都記錄下來(lái)，每個(gè)查詢串的長(zhǎng)度為1-255字節(jié)。

假設(shè)目前有一千萬(wàn)個(gè)記錄（這些查詢串的重復(fù)度比較高，雖然總數(shù)是1千萬(wàn)，但如果除去重復(fù)后，不超過(guò)3百萬(wàn)個(gè)。一個(gè)查詢串的重復(fù)度越高，說(shuō)明查詢它的用戶越多，也就是越熱門。），請(qǐng)你統(tǒng)計(jì)最熱門的10個(gè)查詢串，要求使用的內(nèi)存不能超過(guò)1G。

第一步借用hash統(tǒng)計(jì)進(jìn)行預(yù)處理： 先對(duì)這批海量數(shù)據(jù)預(yù)處理(維護(hù)一個(gè)Key為Query字串，Value為該Query出現(xiàn)次數(shù)，即Hashmap(Query，Value)，每次讀取一個(gè)Query，如果該字串不在Table中，那么加入該字串，并且將Value值設(shè)為1；如果該字串在Table中，那么將該字串的計(jì)數(shù)加一即可。最終我們?cè)贠(N)（N為1千萬(wàn)，因?yàn)橐闅v整個(gè)數(shù)組一遍才能統(tǒng)計(jì)處每個(gè)query出現(xiàn)的次數(shù)）的時(shí)間復(fù)雜度內(nèi)用Hash表完成了統(tǒng)計(jì)；

第二步借用堆排序找出最熱門的10個(gè)查詢串：時(shí)間復(fù)雜度為N'*logK。維護(hù)一個(gè)K(該題目中是10)大小的小根堆，然后遍歷3百萬(wàn)個(gè)Query，分別和根元素進(jìn)行對(duì)比（對(duì)比value的值），找出10個(gè)value值最大的query

最終的時(shí)間復(fù)雜度是：O（N） + N'*O（logK），（N為1000萬(wàn)，N’為300萬(wàn)）

或者：采用trie樹，關(guān)鍵字域存該查詢串出現(xiàn)的次數(shù)，沒有出現(xiàn)為0。最后用10個(gè)元素的最小推來(lái)對(duì)出現(xiàn)頻率進(jìn)行排序。

3、有一個(gè)1G大小的一個(gè)文件，里面每一行是一個(gè)詞，詞的大小不超過(guò)16字節(jié)，內(nèi)存限制大小是1M。返回頻數(shù)最高的100個(gè)詞。

第一步分而治之/hash映射到順序讀文件中，對(duì)于每個(gè)詞x，取hash(x)%5000，然后按照該值存到5000個(gè)小文件（記為x0,x1,...x4999）中。這樣每個(gè)文件大概是200k左右。如果其中的有的文件超過(guò)了1M大小，還可以按照類似的方法繼續(xù)往下分，直到分解得到的小文件的大小都不超過(guò)1M。 

第二步hash統(tǒng)計(jì)對(duì)每個(gè)小文件，統(tǒng)計(jì)每個(gè)文件中出現(xiàn)的詞以及相應(yīng)的頻率（可以采用trie樹/hash_map等），并取出出現(xiàn)頻率最大的100個(gè)詞（可以用含100個(gè)結(jié)點(diǎn)的最小堆），并把100個(gè)詞及相應(yīng)的頻率存入文件，這樣又得到了5000個(gè)文件。

第三步堆/歸并排序就是把這5000個(gè)文件進(jìn)行歸并（也可以采用堆排序）的過(guò)程了。（如果內(nèi)存允許可以將這5000個(gè)文件中的所有元素合并起來(lái)，利用堆獲得top 100）

4、 給定a、b兩個(gè)文件，各存放50億個(gè)url，每個(gè)url各占64字節(jié)，內(nèi)存限制是4G，讓你找出a、b文件共同的url？

可以估計(jì)每個(gè)文件安的大小為5G×64=320G，遠(yuǎn)遠(yuǎn)大于內(nèi)存限制的4G。所以不可能將其完全加載到內(nèi)存中處理?？紤]采取分而治之的方法。

遍歷文件a，對(duì)每個(gè)url求取hash(url)%1000，然后根據(jù)所取得的值將url分別存儲(chǔ)到1000個(gè)小文件（記為a0,a1,...,a999）中。這樣每個(gè)小文件的大約為300M。

遍歷文件b，采取和a相同的方式將url分別存儲(chǔ)到1000小文件（記為b0,b1,...,b999）。這樣處理后，所有可能相同的url都在對(duì)應(yīng)的小文件（a0vsb0,a1vsb1,...,a999vsb999）中，不對(duì)應(yīng)的小文件不可能有相同的url。然后我們只要求出1000對(duì)小文件中相同的url即可。

求每對(duì)小文件中相同的url時(shí)，可以把其中一個(gè)小文件的url存儲(chǔ)到hash_set中。然后遍歷另一個(gè)小文件的每個(gè)url，看其是否在剛才構(gòu)建的hash_set中，如果是，那么就是共同的url，存到文件里面就可以了。

5.  騰訊面試題：給40億個(gè)不重復(fù)的unsigned int的整數(shù)，沒排過(guò)序的，然后再給一個(gè)數(shù)，如何快速判斷這個(gè)數(shù)是否在那40億個(gè)數(shù)當(dāng)中？

方案1：申請(qǐng)512M的內(nèi)存（2^32/8=512MB），一個(gè)bit位代表一個(gè)unsigned int值。讀入40億個(gè)數(shù)，設(shè)置相應(yīng)的bit位，讀入要查詢的數(shù)，查看相應(yīng)bit位是否為1，為1表示存在，為0表示不存在。

方案2：因?yàn)?^32為40億多，所以給定一個(gè)數(shù)可能在，也可能不在其中；這里我們把40億個(gè)數(shù)中的每一個(gè)用32位的二進(jìn)制來(lái)表示假設(shè)這40億個(gè)數(shù)開始放在一個(gè)文件中。

然后將這40億個(gè)數(shù)分成兩類:  1. 最高位為0  2. 最高位為1 

并將這兩類分別寫入到兩個(gè)文件中，其中一個(gè)文件中數(shù)的個(gè)數(shù)<=20億，而另一個(gè)>=20億（這相當(dāng)于折半了）；與要查找的數(shù)的最高位比較并接著進(jìn)入相應(yīng)的文件再查找

再然后把這個(gè)文件為又分成兩類: 1.次最高位為0 2.次最高位為1

并將這兩類分別寫入到兩個(gè)文件中，其中一個(gè)文件中數(shù)的個(gè)數(shù)<=10億，而另一個(gè)>=10億（這相當(dāng)于折半了）； 與要查找的數(shù)的次最高位比較并接著進(jìn)入相應(yīng)的文件再查找。 ....... 以此類推，就可以找到了,而且時(shí)間復(fù)雜度為O(logn)。