人民搜索笔试题2013

人搜算法题：

1，二重歌德巴赫猜想

所有大于等于6的偶数都可以表示成两个（奇）素数之和。

给定1-10000；要求找出每一个可以表示为两素数之和的数，如果有多对，则只需要输出其中之一即可。

输出：

N = a + b；

N=1-10000;对于不能表示的就不用输出。

a,b为两个素数。

要求：复杂度较低，代码可运行。

2，城市遍历

某人家住北京，想去青海玩，可能会经过许多城市，

现已知地图上的城市连接，求经过M个城市到达青海的路线种类。

城市可以多次到达的，比如去了天津又回到北京，再去天津，即为3次。北京出发不算1次。

输入：

N M S

N为城市总数，北京为0，青海为N-1；

M为经过的城市数目；

S为之后有S行

i j

表示第i个城市可以去第j个城市，是有方向的。

输出：

N

表示路径种类。

3，分布式系统设计

有1000亿个URL，其中大约有5亿个site。每天的更新大约2%-5%。设计一个系统来解决存储和计算下面三个问题。可用分布式系统。

URL：http///site[port]*(key==?;key==?)

site:[*].domain

PS：

URL：：http://www.baidu.com/baidu?word=%E5%AE%A3%E8%AE%B2%E4%BC%9A&ie=utf-8

site：：www.baidu.com

domain：：baidu.com

key=baidu?word

a>检测每个域名下的site数目，以及每个site下的URL数目，输出site变化超过一定阈值的域名以及URL数目变化剧烈的site。找出泛域。

泛域：该域下的site数目超过500个，且每个site下的URL数目超过100个。

b>提取URL中key的特征，对site进行聚类；

PS：每个site下面有多个URL，这些URL中有许多key，可以获取这些key作为site的特征，对site进行聚类，不过这应该是多机器联合的。

c>对于给定的domain，输出该domain下的所有site。

PS：为我的注释，题目都是我回忆版的，不完全符合，但是大致意思是这样。