1. 在一个文件中有 10G 个整数，乱序排列，要求找出中位数。内存限制为 2G。只写出思路即可。
海量数据处理的问题。10G 个数，中位数就是第 5G、第 5G+1 个数。回想一下，一般情况下求中位数的做法：类似于快排的 partition，找到一个数，使比它小的数的个数占到总数的一半就行。所以，可以把数值空间分段，然后统计每一段中数据的个数，这样就可以很容易的确定中位数在那一段。找个该段后，数据量已经急剧减小了，剩下的问题就好处理了。这种方法可以说是桶排序的思想，也可以说是 hash 的思想。下面具体分析一下：
因为要统计每一段中数据的个数，所以可以用一个 unsigned int 型。unsignedint 一般占 4 个字节，可以计数到 2^32-1，大约是 4G。题目中有 10G 个数，如果有很多数落在同一个段中，unsigned int 肯定不够用。所以，这里的计数用要 8 字节的 long long。即，相当于有一个数组，数组是 long long 性，数组的每一个元素，代表了一个数据段内的数据个数。这个数组有多大？为了充分利用 2G 内存，数组大小 2G/8= 256M。即，有数组 long long cnt[256M].
假设题目中的 10G 个数都是 4 字节的 int。如何把这 10G 个整数，映射到 cnt[256M] 的数组中。可以使用计算机中的虚拟地址到物理地址的转换。取 int 的高 28 位作为数组下标的索引值，这样就可以完成映射。
整个算法的流程：
1）扫描 10G 个整数，对每个整数，取高 28 位，映射到数组的某个元素上，给数组的这个元素加 1，表示找到一个属于该数据段的元素
2）扫描完 10G 个整数后，数组 cnt 中就记录了每段中元素的个数，从第一段开始，将元素个数累计，直到值刚好小于 5G，则中位数就在该段
3）这时对 10G 个整数再扫描一遍，记录该段中每个元素的个数。直至累计到 5G 即可。