TOPK算法
网眼袋 TOPK问题是⾮常经典的处理海量数据的问题。TOPK问题就是给出⼀堆数，在⾥⾯出最⼤、最常出现的等⼀系列问题。磁卡电表
通常情况下，数量级都是千万级别的，数据量特别⼤，⽽且内存使⽤是有限制的，所以肯定不能先排序，然后再遍历取出K个数。 堆排序做TopK算法有如下⼏个特点：
刷式密封 1、不会改变数据的输⼊顺序;
2、不会占⽤太多的内存空间(事实上，⼀次只读⼊⼀个数，内存只要求能容纳前K个数即可);
3、由于2，决定了它特别适合处理海量数据。
此外，还有⼀点要注意：要出最⼩的K个元素使⽤⼤顶堆，求最⼤的K个元素使⽤⼩顶堆。⼩对⼤，⼤对⼩，很好记。
以下是⼀些经常被提及的该类问题。
（1）有10000000个记录，这些查询串的重复度⽐较⾼，如果除去重复后，不超过3000000个。⼀个查询串的重复度越⾼，说明查询它的⽤户越多，也就是越热门。请统计最热门的10个查询串，要求使⽤的内存不能超过1GB。
（2）有10个⽂件，每个⽂件1GB，每个⽂件的每⼀⾏存放的都是⽤户的query，每个⽂件的query都可能重复。按照query的频度排序。
（3）有⼀个1GB⼤⼩的⽂件，⾥⾯的每⼀⾏是⼀个词，词的⼤⼩不超过16个字节，内存限制⼤⼩是1MB。返回频数最⾼的100个词。
（4）提取某⽇访问⽹站次数最多的那个IP。
（5）10亿个整数出重复次数最多的100个整数。
（6）搜索的输⼊信息是⼀个字符串，统计300万条输⼊信息中最热门的前10条，每次输⼊的⼀个字符串为不超过255B，内存使⽤只有1GB。
（7）有1000万个⾝份证号以及他们对应的数据，⾝份证号可能重复，出出现次数最多的⾝份证号。
汽车空调电磁离合器
TOPN问题
TOPN就是给出⼀个数组，出前N个最⼤的元素。
⽐如：
1. 电商⽹站中到每个商品分类下⽤户点击最多的5个商品是什么等等。
2. 给定⼀个⼏百G的Nginx访问⽇志⽂件，取出访问频率在top100的IP。
问题：有10000个数字，那么求出前n个最⼤的数？有⼏种解法
1. 先给数排序，然后截取前n个。不过这后⾯10000 - n个数字是不需要排序的。
2. 利⽤堆排序。
3. 先截取前n个数，然后n+1的数和这n个⾥⾯的最⼩数最对⽐，如果⼤于最⼩的数则将该数添加进⼊这n数⾥⾯，再将n⾥⾯最⼩的数剔除，这样到最后输出出来的就是前n最⼤的数。
印第安笛
康q 其实TOPN问题可以⽤分治法解决，这个问题与快速排序类似，快速排序是⽤⼀个数对数组进⾏划分，topN问题则不需完成排序，只需划分出前n个最⼤的数字即可。所以可以采⽤快排中partition函数 的操作，将每次操作的返回值与N作对⽐，若⽐N⼩则对N及其后续的元素继续进⾏划分，若⽐N⼤则对N及其之前的元素进⾏划分，直到出N。
4. 也可以使⽤MapReduce来解决TOPN问题。
