海量数据处理专题(一)——开篇
2013-07-17 09:40
225 查看
大数据量的问题是很多面试笔试中经常出现的问题,比如baidu
google 腾讯 这样的一些涉及到海量数据的公司经常会问到。
下面的方法是我对海量数据的处理方法进行了一个一般性的总结,当然这些方法可能并不能完全覆盖所有的问题,但是这样的一些方法也基本可以处理绝大多数遇到的问题。下面的一些问题基本直接来源于公司的面试笔试题目,方法不一定最优,如果你有更好的处理方法,欢迎与我讨论。
本贴从解决这类问题的方法入手,开辟一系列专题来解决海量数据问题。拟包含
以下几个方面。
Bloom Filter
Hash
Bit-Map
堆(Heap)
双层桶划分
数据库索引
倒排索引(Inverted
Index)
外排序
Trie树
MapReduce
在这些解决方案之上,再借助一定的例子来剖析海量数据处理问题的解决方案。欢迎大家关注。
google 腾讯 这样的一些涉及到海量数据的公司经常会问到。
下面的方法是我对海量数据的处理方法进行了一个一般性的总结,当然这些方法可能并不能完全覆盖所有的问题,但是这样的一些方法也基本可以处理绝大多数遇到的问题。下面的一些问题基本直接来源于公司的面试笔试题目,方法不一定最优,如果你有更好的处理方法,欢迎与我讨论。
本贴从解决这类问题的方法入手,开辟一系列专题来解决海量数据问题。拟包含
以下几个方面。
Bloom Filter
Hash
Bit-Map
堆(Heap)
双层桶划分
数据库索引
倒排索引(Inverted
Index)
外排序
Trie树
MapReduce
在这些解决方案之上,再借助一定的例子来剖析海量数据处理问题的解决方案。欢迎大家关注。
相关文章推荐
- 海量数据处理专题(一)——开篇
- 海量数据处理专题(一)――开篇
- 海量数据处理专题(一)——开篇
- 海量数据处理专题(一)——开篇
- 海量数据处理专题(一)——开篇
- 海量数据处理专题
- 海量数据处理专题(五)——堆
- 海量数据处理专题(六)——双层桶划分
- 海量数据处理专题(七)——数据库索引及优化
- 海量数据处理专题(二)——Bloom Filter
- 海量数据处理专题(五)——堆
- 海量数据处理专题(七)——数据库索引及优化
- 海量数据处理专题(四)——Bit-map
- 海量数据处理专题
- 海量数据处理专题(五)——堆(百度,搜狗,雅虎,微软面试必备)
- 海量数据处理专题之双层桶划分
- 面试——海量数据处理专题
- 海量数据处理专题(三)——Hash
- 海量数据处理专题(五)——堆
- 海量数据处理专题