google onsite 目测要挂－回报大家

fishyuze 发表于 2015-4-6 02:36
duplicate file means the contents are same for some files with different id? like
id content
1 "a ...

没具体到内容，就是assume他们都一样

refurbish 发表于 2015-4-6 06:52
之前是在手机上看的，第一题求一下讨论。

如果要得到某个数出现的概率，用一个长度为11的数组来对相应的 ...

这样容易overflow...我刚刚开始想这样做，后来想了一下用reservior sampling 长度为L 的 array纪录这样后面再统计就不会 overflow....

池大侠 发表于 2015-4-6 20:24
没具体到内容，就是assume他们都一样

我感觉主要难点就在怎么确定两个不同id的file是duplicate
可能我理解错了。。。

一轮面的不好不一定要跪，耐心等待一下。

池大侠 发表于 2015-4-6 20:26
这样容易overflow...我刚刚开始想这样做，后来想了一下用reservior sampling 长度为L 的 array纪录这样后 ...

明白了，你这样做还真是很巧妙。赞一下！

refurbish 发表于 2015-4-6 16:24
就是看了，才觉得和你这个题目没啥关系。因为bigtable涉及到分布式存储，不只是文件存储，而且又要保证一 ...

嗯那个是hdfs的基础。。我也看过。。可是这题主要是感觉很底层。。。一直在讨论怎么取文件 存文件。。 然后文件大小。。 和平时准备的完全没什么关系。。。   
手足无措。。 大哥也很无奈。。

refurbish 发表于 2015-4-6 16:09
明白了，你这样做还真是很巧妙。赞一下！

碰到烙印我觉得还是最好直接拿最优，我怕被整。因为如果先用count肯定会被follow 一堆问题。 思想虽然简单但是代码量我基本是写满再擦了半版。 满多小细节要考虑的。

池大侠 发表于 2015-4-7 01:58
碰到烙印我觉得还是最好直接拿最优，我怕被整。因为如果先用count肯定会被follow 一堆问题。 思想虽然简 ...

哈哈。老印有没有问选择L的策略是什么？

refurbish 发表于 2015-4-6 17:10
哈哈。老印有没有问选择L的策略是什么？

我自己补充的。。。 我怕他问所以我说了一下。。 他主要还是挑一些multi thread的来follow up. 保证得到的L atomic