待完成的任務
阿新 • • 發佈：2019-01-19
瞭解：
1、Arrays.mergeSort排序演算法
2、BigInteger的實現原理
3、紅黑樹的新增和刪除操作實現
4、Collections各方法的相關實現
5、ORACLE怎麼查詢db_cache pool中的block，比如全表掃描怎麼查詢到所有的block。
6、學習apache，memcached、webservice、MYSQL
大資料量處理演算法：
1. Bloom Filter
2. Hash
3. Bit-Map
4. 堆
5. 雙層桶劃分
6. 資料庫索引
7. 倒排索引（Inverted Index）
8. 外排序
9. Trie樹
10. MapReduce
1、bloom filter
轉載：http://www.hellodba.net/2009/04/bloom_filter.html
設想以下的一個問題：有一個keyword的集合，我們需要快速判定某個keyword是否包含在其中。最簡單的方法是遍歷，但是效率很差。我們馬上想到了hash的方法，因為在Oracle內部，hash無處不在。比如在cache buffer中找到某個block，在shared pool中找到某個SQL等等。我們可以把keyword的集合build成一個hash table，然後根據keyword計算hash值，通過是否落在相應的hash bucket中，這樣就可以實現快速查詢的目的。這個方法不錯，但是當keyword過多時，hash table會佔用大量記憶體，效率也會隨之下降。
今天公司的架構師介紹了一個新的方法給我：Bloom Filter。它是一種基於隨機數(或Hash)的資料結構，它支援對成員使用較少空間來儲存，卻能得到較高效率的查詢。換句話說：在Bloom Filter 可以用於檢索一個元素是否在一個集合中。其原理如下：
建立一個容量為500萬的Bit Array結構（Bit Array的大小和keyword的數量決定了誤判的機率），將集合中的每個keyword通過32個hash函式分別計算出32個數字，然後對這32個數字分別用500萬取模，然後將Bit Array中對應的位置為1，我們將其稱為特徵值。簡單的說就是將每個keyword對應到Bit Array中的32個位置上，見下圖：
[img]http://dl.iteye.com/upload/attachment/333383/934e7bf6-acd1-3528-89b7-71a4a325af1e.jpg[/img]
當需要快速查詢某個keyword時，只要將其通過同樣的32個hash函式運算，然後對映到Bit Array中的對應位，如果Bit Array中的對應位全部是1，那麼說明該keyword匹配成功。
Bloom filter 是一個集合的有損編碼，所以它不是一種“保險”的方案，存在一定的誤判率。
另參考：http://blog.csdn.net/jiaomeng/archive/2007/01/27/1495500.aspx
========================================================================
1、在一條街上，有5座房子，噴了5種顏色。
2、每個房裡住著不同國籍的人
3、每個人喝不同的飲料，抽不同品牌的香菸，養不同的寵物
問題是：誰養魚？
提示：
1、英國人住紅色房子
2、瑞典人養狗
3、丹麥人喝茶
4、綠色房子在白色房子左面
5、綠色房子主人喝咖啡
6、抽Pall Mall 香菸的人養鳥
7、黃色房子主人抽Dunhill 香菸
8、住在中間房子的人喝牛奶
9、 挪威人住第一間房
10、抽Blends香菸的人住在養貓的人隔壁
11、養馬的人住抽Dunhill 香菸的人隔壁
12、抽Blue Master的人喝啤酒
13、德國人抽Prince香菸
14、挪威人住藍色房子隔壁
15、抽Blends香菸的人有一個喝水的鄰居
以上是愛因斯坦在20世紀初出的這個謎語。他說世界上有98％的人答不出來。
你能做出來嗎？
1、Arrays.mergeSort排序演算法
2、BigInteger的實現原理
3、紅黑樹的新增和刪除操作實現
4、Collections各方法的相關實現
5、ORACLE怎麼查詢db_cache pool中的block，比如全表掃描怎麼查詢到所有的block。
6、學習apache，memcached、webservice、MYSQL
大資料量處理演算法：
1. Bloom Filter
2. Hash
3. Bit-Map
4. 堆
5. 雙層桶劃分
6. 資料庫索引
7. 倒排索引（Inverted Index）
8. 外排序
9. Trie樹
10. MapReduce
1、bloom filter
轉載：http://www.hellodba.net/2009/04/bloom_filter.html
設想以下的一個問題：有一個keyword的集合，我們需要快速判定某個keyword是否包含在其中。最簡單的方法是遍歷，但是效率很差。我們馬上想到了hash的方法，因為在Oracle內部，hash無處不在。比如在cache buffer中找到某個block，在shared pool中找到某個SQL等等。我們可以把keyword的集合build成一個hash table，然後根據keyword計算hash值，通過是否落在相應的hash bucket中，這樣就可以實現快速查詢的目的。這個方法不錯，但是當keyword過多時，hash table會佔用大量記憶體，效率也會隨之下降。
今天公司的架構師介紹了一個新的方法給我：Bloom Filter。它是一種基於隨機數(或Hash)的資料結構，它支援對成員使用較少空間來儲存，卻能得到較高效率的查詢。換句話說：在Bloom Filter 可以用於檢索一個元素是否在一個集合中。其原理如下：
建立一個容量為500萬的Bit Array結構（Bit Array的大小和keyword的數量決定了誤判的機率），將集合中的每個keyword通過32個hash函式分別計算出32個數字，然後對這32個數字分別用500萬取模，然後將Bit Array中對應的位置為1，我們將其稱為特徵值。簡單的說就是將每個keyword對應到Bit Array中的32個位置上，見下圖：
[img]http://dl.iteye.com/upload/attachment/333383/934e7bf6-acd1-3528-89b7-71a4a325af1e.jpg[/img]
當需要快速查詢某個keyword時，只要將其通過同樣的32個hash函式運算，然後對映到Bit Array中的對應位，如果Bit Array中的對應位全部是1，那麼說明該keyword匹配成功。
Bloom filter 是一個集合的有損編碼，所以它不是一種“保險”的方案，存在一定的誤判率。
另參考：http://blog.csdn.net/jiaomeng/archive/2007/01/27/1495500.aspx
========================================================================
1、在一條街上，有5座房子，噴了5種顏色。
2、每個房裡住著不同國籍的人
3、每個人喝不同的飲料，抽不同品牌的香菸，養不同的寵物
問題是：誰養魚？
提示：
1、英國人住紅色房子
2、瑞典人養狗
3、丹麥人喝茶
4、綠色房子在白色房子左面
5、綠色房子主人喝咖啡
6、抽Pall Mall 香菸的人養鳥
7、黃色房子主人抽Dunhill 香菸
8、住在中間房子的人喝牛奶
9、 挪威人住第一間房
10、抽Blends香菸的人住在養貓的人隔壁
11、養馬的人住抽Dunhill 香菸的人隔壁
12、抽Blue Master的人喝啤酒
13、德國人抽Prince香菸
14、挪威人住藍色房子隔壁
15、抽Blends香菸的人有一個喝水的鄰居
以上是愛因斯坦在20世紀初出的這個謎語。他說世界上有98％的人答不出來。
你能做出來嗎？