面试遇到的两个题

第一个：
机器内存为2GB，但有个5GB的文件里面全是以逗号分割的数字，现在我们要进行对他排序，排序好不能重复（不能用DB）;

第二个：
给出你一个数找到相邻的数字（12，222，500，888，991，1000）
比如：我给的是13，那么相邻最近的是12。 我给的是998，那么相邻最近的是1000

回复内容：

第一个：
机器内存为2GB，但有个5GB的文件里面全是以逗号分割的数字，现在我们要进行对他排序，排序好不能重复（不能用DB）;

第二个：
给出你一个数找到相邻的数字（12，222，500，888，991，1000）
比如：我给的是13，那么相邻最近的是12。 我给的是998，那么相邻最近的是1000

第一个问题是典型的外排序问题，最简单的方法就是归并排序，详见https://zh.wikipedia.org/wiki/%E5%A4%96%E6%8E%92%E5%BA%8F

第二个问题可以通过二分法找到给的数字相邻两边的数字。

你这个文件二分的时候需要向前或者向后找到临近的逗号，然后再读取逗号两边的数。

第一个可以用外排，但如果数字都是整数的话，用位图会更简单，一次完成排序+去重
第二个，给出的数字集合是有序的吗？如果是，直接二分查找即可。

1. 堆排序应该能适应一维海量数据的排序需求。

2. 一维的最近邻查询。如果也要支持海量数据，那么数据结构可以用 B 树，在对 B 树进行深度优先遍历的过程中进行剪枝，不断向最近邻目标逼近。如果只是在内存里查找最近邻，用二叉搜索树也行。

其实用第 2 种方法我说的 B 树，也可以解决第 1 个问题。先建 B 树，然后从文件中最小的数据开始，以此寻找最近邻就可以了。比如最小数据为 a，从树中删除 a，再查询它的最近邻，得到 b，从树中删除 b，现在就有了 a->b。继续查询 b 的最近邻，得到 c，从树中删除 c，这样就得到 a->b->c……以此类推。时间复杂度应该是 O(nlog n)的。