1.给定100亿个整数，设计算法找到只出现一次的整数？
①方法一
100亿个整数就是400亿个字节，42亿九千万是4G，那么1G就是10亿字节，所以要存下100亿个整数需要40G的内存空间。因此我们采用位图100亿个整数大概就是1G，但是使用位图，需要用两个位标识一个数字（两个位可以标识四种状态），没有出现过为00，出现一次为01，出现两次及以上为10，11可以丢弃。所以2G空间就够了。
那么现在我们要找到只出现一次的整数就找到位图中映射01的那个数据即可。
②方法二
采用两个位图，每个位图是1G的大小，两个位图对应的位标识一个数据，两个位图对应的位都是0表示没有出现过；第一个位图对应位0，第二个位图对应位1则表示这个数只出现了一次；第一个位图对应位1，第二个位图对应位0则表示这个数出现了两次或两次以上。
2.给两个文件，分别有100亿个整数，我们只有1G内存，如何找到两个文件的交集？
①方法一
我们开一个位图，把第一个文件中的数字set到位图中，用第二个文件进行查找test，如果第二个文件中的数据在位图中被找到了，那么这个数就是交集的一份子，当把第二个文件中的数据查找完时就可以找到交集了。
②方法二
开两个位图，把文件1的数据set到位图1中，把文件2的数据set到位图2中，然后把两个位图进行与操作，那么与出来的结果位图中对应位为1的位所对应的数据的集合就是交集。
3.一个文件有100亿个int，1G内存，设计算法找到出现次数不超过2次的所有整数？
出现次数不超过2次的所有整数，一共有四种状态，因此需要用两个位来进行标识，00标识没有出现，01表示出现一次，10表示出现两次，11表示出现两次以上。找出现次数不超过2次的就是查找对应标识位为00，01，10的数据。
4.给两个文件，分别有100亿个query，我们有1G内存，如何找到这两个文件的交集？分别给出精确算法和近似算法。
①近似算法
使用布隆过滤器，把文件1的query全部set到布隆过滤器里，然后用文件2的query进行test操作，如果返回true则说明这个query是交集的一份子，那么查找完就可以找出交集。
这样使用布隆过滤器可能会有误判，所以这个是近似算法。
②精确算法
假设每个query是40字节，那么一个文件的大小就是400G，此时把这个文件哈希切成1024份（注意：这里切多少份是要根据实际情况来定的，比如我是400G，切成1000多份，那么每一份大概就是400M，400M对内存来说是足够的）。
我们把文件A和文件B都切分成1024份小文件，切分采用的是哈希切分，如上图所示，用hash算法计算出来的num是多少就进入多少号小文件，然后将A和B文件对应的小文件进行找交集即可，因为是哈希切分，所以如果A文件和B文件如果有相同的query那么用同样的哈希算法就会让这两个相同的query分别进入A和B相同num的小文件里，所以在进行查找交集的时候只需要A0找B0，A1找B1这样子找下去。
查找小文件的交集时，可以把Anum的query映射到哈希表里，然后用Bnum的query去查找看有没有，如果有那么这个query就是交集的一份子，如果没有说明这个query不是交集的一份子。
5.布隆过滤器如何支持删除
如何支持
采用引用计数，但是采用引用计数删除的话就需要进行储存这个计数，需要额外的空间，会增大占用内存的大小。使用引用计数就是有多个值同时映射这个位，就把这个位的引用计数++，删除时就–，然后判断是否存在则是看值是否大于0。
引用计数开多大
那么这个引用计数开多少个字节呢？如果给一个字节，八个位，那最多就是有256个值映射同一个位置，那么少量数据还可以，如果是几百亿的数据的话，这个引用计数就是不够的。那如果给两个字节，16个位，那最多就可以有65535个值同时映射同一个位。如果给四个字节，32个位，那最多就可以有42亿九千万个值同时映射同一个位。所以引用计数开多少字节要根据实际情况来确定。
举例
假如用两个位来记录引用计数时，我们可以这样设计：vector<short> bits，也就是如果要设置（set）对应的位时，不采用置1操作，采用的是++操作，那么有值要进行映射时，对应位++即可。要删除（reset）对应的映射关系时，对应位的值–即可。如果要看在不在（test）时，那么直接看对应的映射位是不是0即可，如果是0则说明不在，如果是非零则说明在。
6.给一个超过100G大小的log文件，里面存着IP地址，设计算法找到次数最多的IP地址？
这个题看到之后我们就会知道这是top K问题，那么这个题要统计次数，首先想到map或者unorderd_map，key是IP地址，value是次数，但是100G的文件加载不到内存中去，所以我们采用哈希切分。
将log文件哈希切分成1024份，那么相同的IP地址就会进入编号相同的小文件里，那么我们只需要统计每个小文件里相同的IP地址出现的次数即可，因为相同的ip地址一定会进入同一个小文件。这里一个小文件大概就是100M，加载到内存中采用map或者unorderd_map统计次数即可。