无标题文档
来源：无标题文档
口播文案
兄弟们！最近有个粉丝跟我吐槽：面阿里被问 “全国 14 亿人，怎么统计重名最多的前 100 个姓名”，他就说 “用哈希表计数，再排序取前 100”，结果面试官直接摇头，当场挂了！
你是不是也觉得这题简单？但面试官埋了 2 个坑：14 亿数据装不下内存咋办？直接排序效率太低咋办？今天 3 分钟拆明白，从 “常规思路” 到 “内存受限优化”，连面试加分点都标好，下次你比别人多答 3 步，稳了！
首先明确：这题不考 “会不会计数”，考的是 “大数据场景下的效率和资源控制”。咱分两步说，每步都告诉你 “面试怎么说才加分”！
第一步：内存够时 —— 前缀树 + 小顶堆，效率拉满
别一上来就说 “用哈希表”！姓名是字符串，比如 “张伟”“张丽” 都有 “张” 前缀，用前缀树（Trie 树） 存，就像字典里 “张” 开头的字放一块，不用重复存 “张” 字 —— 面试提这个 “空间优化点”，面试官先高看你一眼！
具体咋玩？特简单：
- 前缀树计数：把姓名拆成单个字，比如 “李强” 拆 “李” 和 “强”，拼积木似的顺着前缀树往下接，最后在 “强” 这个节点上记次数 —— 出现 10 万次就标 10 万，遍历一遍 14 亿数据，所有名字的次数就统计完了；
- 小顶堆筛 Top100：别傻乎乎全排序（14 亿数据排序，时间直接炸）！搞个大小 100 的小顶堆：堆没满，直接塞名字和次数；堆满了，要是当前名字次数比堆顶（堆里最少的）多，就把堆顶踢出去，新的塞进来 —— 最后堆里剩的，就是前 100 个重名最多的！
你看，这两步既省空间（前缀树）又省时间（比全排序快太多，不用记复杂公式），比 “哈希表 + 全排序” 高级多了，面试这么说，基础坑肯定不踩！对了，你之前用前缀树统计过字符串吗？用过的扣 1，没试过的扣 2！
第二步：关键坑！内存不够咋办？（面试官必问）
刚才的思路，14 亿数据全塞内存早爆了！按每条姓名 10 字节算，14 亿条就是 14GB，远超 2G 限制 —— 这时候得用 “分治 + 磁盘辅助”，面试把这步说出来，直接体现你 “大数据实战思维”！
具体 3 步，超落地：
- 分块读数据：把 14 亿条拆成小块，每次只读 100 万条进内存（也就 10MB，连 1G 都不到），绝不多占内存；
- 每块单独计数：这时候用哈希表就够了！统计当前块里每个名字的次数，比如 “张伟” 在这块出现 500 次，就写个文件 “chunk1.txt”，里面记 “张伟 500”；
- 合并所有块结果：把所有分块文件（比如 140 个）读出来，合并计数 ——“张伟” 在 chunk1 是 500，chunk2 是 600，合并后就是 1100，最后再用小顶堆筛 Top100！
这里有个面试加分点：要是分块文件太多（比如 1000 个），别一个个合并，用 “多路归并”—— 用小顶堆盯每个文件的当前行，按名字排序合并，效率直接翻倍！提这句，面试官会觉得 “你真做过大数据处理”！
面试总结：3 句话模板，直接套！
最后给你个答题模板，面试照着说，不慌：
- 先定考点：“这题核心是大数据下的空间和时间优化，得分‘内存充足’和‘内存受限’两种情况说；”
- 内存充足：“用前缀树统计姓名次数（共享前缀省空间），再用 100 大小的小顶堆筛 Top100（比全排序高效）；”
- 内存受限：“分块读数据到内存，哈希表局部计数存磁盘，合并时用多路归并，最后小顶堆筛结果。”
兄弟们，你之前想过 “内存受限” 这个坑吗？踩过的扣 1，没考虑到的扣 2！有啥没搞懂的，评论区跟我聊！