变态面试题第二弹

那道socket的面试题我说我不会,那公司又给我了另一道更加变态的题目:

日志分析
1）从文件中用户提取字符串(下面示例中包含在[]中的字符)

2）利用hash算法把所有的字符串散列 到一个hash表中，统计相同字符串出现的次数

3）编写一个排序算法(例如快速排序)，把这些字符串按照出现的频率排序.

4） 把输出结果保存到一个文件，文件格式为：

字符串\出现次数\r\n



输 入文件示例:

09/30 14:40:49 PB .1306 TRACE: [西部地区] cl=2 lm=0 ct=0 si=gi tn=sohu pn=0 | disp=33817 list=200(10) 143ms cache=0

09/30 14:40:50 PB .1302 TRACE: [河南电脑福利彩票] cl=0 lm=0 ct=0 si=gi tn=sohu pn=0 | disp=39 list=39(10) 245ms cache=0

09/30 14:40:50 PB .1304 TRACE: [富丽雅] cl=2 lm=0 ct=0 si=gi tn=sohu pn=0 | disp=46 list=46(10) 151ms cache=0

09/30 14:40:50 PB .1297 TRACE: [国内生产总值] cl=2 lm=0 ct=0 si=gi tn=sohu pn=0 | disp=21674 list=200(10) 7ms cache=1

09/30 14:40:50 PB .1308 TRACE: [超星图书浏览器] cl=2 lm=0 ct=0 si=gi tn=sohu pn=0 | disp=54 list=54(10) 145ms cache=0

09/30 14:40:50 PB .1294 TRACE: [mp3] cl=2 lm=0 ct=0 si=gi tn=sohu pn=0 | disp=96110 list=200(10) 7ms cache=1

要求：
1）使用C++
2）说明设计要点
3） 实现的性能瓶颈在哪里，如何优化
4）给出日志文件5M、10M、50M、500M和1G时的测试结果并作简要分析

我了割草,又是算法,又是动不动就500M,你们公司是写操作系统的吗?还是C++,最后还是一句,求各位大神解答,谢

1GB的日志文件，很小啊

这个没有什么难度，大概第二步费时些

c++的话，实现hash表，直接搞个map不就行了么？

直接perl不行么……

你问问他能不能unorder_map，如果不行就只好自己写times33了……