腾讯终面：求两个文件中的QQ交集

如若转载请联系原公众号

今天，我们来看一道腾讯的终面题目，能否做对这道题，在很大程度上决定了能否拿到腾讯的offer，来看看：

A文件有30亿个QQ号码，B文件有40亿个QQ号码，求A文件和B文件中QQ号码的交集，内存大小限制为1GB.

一. 直接暴力比较

最简单的方法是直接暴力比较，如下：

显然，这种方法要比较的次数是：30亿*40亿，时间复杂度太大了，无法通过腾讯面试。

二. 利用hashmap

既然时间复杂度不符合要求，那就要反思一下暴力比较的算法了，显然，应该用哈希表，优化查找速度，如下：

显然，时间复杂度大大降低，只需要遍历上面一层即可。然而，空间的占用还是太大了，1GB的内存根本无法容纳40亿个QQ号。

三. 分治切割文件

既然内存容纳不下，那就想办法进行切割吧，比如：根据QQ号码的最后一位的值来切割A文件和B文件，使文件变小。显然，尾数为j的QQ号码只可能在Aj文件和Bj文件中，只需要比较Aj和Bj文件即可。

通过切割的方法，可以化大为小，让内存容纳得下，对应的图示如下：

需要强调的是，仅仅以QQ号最后一位来划分，那么每个小文件的数据量大约是原来文件的1/10, 可能还是偏大，怎么办？

可以考虑以QQ号的最后3位来划分，那么每个小文件的数据量大约是原来大文件的1/1000，甚至还可以更细地来进行划分。

通过一定的规则进行分割，把A文件和B文件中同类型数据划分到对应的小文件中，解决了内存问题，能勉强通过腾讯面试。

四. 利用bitmap

我们回头看一下，要么是时间不符合要求，要么是空间不符合要求，那有没有时间和空间都符合要求的数据结构呢？

显然有的！我们可以对hashmap进行优化，采用bitmap这种数据结构，可以顺利地同时解决时间问题和空间问题。

在很多实际项目中，bitmap经常用到。我看了不少组件的源码，发现很多地方都有bitmap实现，bitmap图解如下：

这是一个unsigned char类型，可以看到，共有8位，取值范围是[0, 255]，如上这个unsigned char的值是255，它能标识0~7这些数字都存在。

同理，如下这个unsigned char类型的值是254，它对应的含义是：1~7这些数字存在，而数字0不存在：

由此可见，一个unsigned char类型的数据，可以标识0~7这8个整数的存在与否。以此类推：

• 一个unsigned int类型数据可以标识0~31这32个整数的存在与否。

• 两个unsigned int类型数据可以标识0~63这64个整数的存在与否。

显然，可以推导出来：512MB大小足够标识所有QQ号码的存在与否，请注意：QQ号码的理论最大值为2^32 - 1，大概是43亿左右。接下来的问题就很简单了：

用512MB的unsigned int数组来记录B文件中QQ号码的存在与否，形成一个bitmap. 然后遍历A文件中的QQ, 看是否在bitmap中，如果在，那么该QQ号码就同时存在于A和B两个文件中。

bitmap非常巧妙，这种方式能通过腾讯的面试。当时我在腾讯终面时时遇到了这个题目，先简要指明了为什么1和2方法不行，然后给出了3和4中的方法，并说明了3和4的优缺点，万事大吉。