TOP K 问题 - 算法学习

描述：在一个低内存的机器，找出100T的文件出现频率最高的K个单词

解法：hash拆分小文件，保证每个单词落在同一个文件，计算每个小文件单词频率

1. 按字符串读取大文件，识别单词
2. 对单词进行hash，并存入以hash值命名的小文件中，要根据内存预先算下拆分多少个小文件
3. 对每个小文件进行词频计算并存入哈希表中，key=单词，value=词频
4. 根据哈希表的value进行排序，即可得到TOP K 结果

参考资料

Hollis 大神的《2023全新Java面试宝典课程，八股文学习资料》