沙茶敏碎碎念
64mb内存就够。假设你的数据都存在文件中。
1，分治法，空间换时间，分片读取hash到n个文件中
2，统计每个文件中出现次数最多的数字
3，堆排序，对比每个文件中出现次数最多的数字。
4，结束
wuyukun91
需求：
使用2G的内存，找出80亿个数字中出现最多的数字。
假设：
- 整数为4字节（2^32=4G），即最大40多亿。
- 所有的数字有80亿个。
- 所有数字在硬盘中，本身不会占用内存。
- 所用内存为2G多一些，例如有限的变量。但多出的内存和2G相比可以忽略不计。
设计：
- 80亿的计数可以用4字节保存（2^32=4G）。因为如果计数超过一半，则表明该数字一定是出现最多的。
- 2G的内存约可以保存5亿多数字的计数（2G/4=512M）。
也就是说，将2G的内存分成单位为4字节的数组，可以一次获得0∼5亿多之间出现最多的数字。
步骤：
- 顺序扫描80亿个数字，忽略0∼512M之外的数字，每个数字N的出现个数累加存放在第N个数组元素中。最后将最出现最多的数字及其次数保存起来，出现并列第一时，只保存第一个数字。如果过程中某数字出现个数超过40亿，则直接结束。
- 再次扫描所有数字，此次忽略512M∼1G之外的数字。每个数字N的出现个数累加存放在第N-512M个数组元素中。本轮所获得的数字的出现个数和第一轮结果比较，保存较大的那个。
- 由于整数取值范围为4G，所以最多扫描8次后即可获得最终结果。
问题：
如果整数长度为8字节，则需要扫描约300多亿次（2^64/512M=2^40）。所以此算法并不适用于8字节的整数。
讨论：
当数字足够多，且数字取值范围足够大时，以有限内存获取出现次数最多的数字几乎是不可能的。因为数字的取值范围极大，且数字极多，任何哈希或其它分片的算法都有可能出现极端情况，导致分片数据过多而无法一次性导入内存计算。除非我们预先知道部分数字规律，否则考虑到效率，应该只会要求得到近似结果。
tutu_cloud
只有不是程序员才会出这样的题，你要知道，3、8、55246546是整数，但12345的阶乘，葛立恒数等也是整数，葛立恒数的葛立恒数次方也是整数，你没有限定整数范围，所以我觉得真正的程序员会先和你谈需求。另，我就是程序员。
伴你去看海850
low一点的不考虑时间成本，直接按2G分批MapReduce。
Deathef
小问题。
有限集。
坑不多，一个是复杂度，一个是准确度。
解
将整个集划分为000-XXX的子集，每个子集内统计000-YYY的数，形成列表，合并各表，
然后前ZZZ个数再全集统计一遍。
搞定。
巫师威武
一、用4字节表示的整数个数为2^32≈40亿，而用2字节表示的无符号整数个数为2^16≈6万。
二、2G=2^31B≈20亿字节。
三、要找出出现次数最多的数，则应记录每个数出现的次数，最快的方法是在内存中将每个数出现的次数记录下来，记录的方法则是内存地址对应数，相应地址的内存单元记录次数，但2G内存以字节为单位仅能记录20亿个数，且每个数出现的次数大于255将会出现溢出风险。因此，这一方案不可取。
四、这样只能将每个次出现的次数记录在磁盘上。这样在磁盘上建一个16G的文件，每4字节对应一个整数，可对应40亿个整数，并用于记录相应整数的出现的次数。
1、将文件初始化。
2、依次读取数据，并用无符号整数记录在磁盘文件中，如出现溢出，则该数为次数最多的数。
3、从文件中读取各数出现的次数，用一个变量A记录最高次数，再用一个变量B记录最高次数出现的数据个数，要用个文件依次记录最高次数出现的数。当最高次数增加时，A+1，B置1，文件中写入该数，同次数的数出现时，B+1，文件相应位置写入该数，直到全部读完。
这样根本不需2G内存。
新热机发明者曾祥云
2g内存不是重点，80亿数字和取值范围才是重要的：
1. 80亿的数字至少需要加载一遍，才知道有哪些数据
2. 如果是取mapsize = 2ˇ16 或者 80亿开方，一个map
3. 顺序读80亿数据，除以mapsize取余，同一余数放追加同一文件,余数作文件名
4. 顺序读取步骤3产生的所有文件，读取的每个文件时新建mapsize大小的hashmap，统计每个数的次数，再取该hashmap中出现最多次数的整数放到新的map中
5. 依次读完步骤3 产生的文件，就能得到每个文件最多次数的整数map
所有步骤需要80亿数据的两次读盘，一次写盘，mapsize次取最大值，80亿数据取余数
结翼唯乃
用类似Spark的AppendOnlyMap（本质是个用数组和开放定址法做成的Map）的思想做略小于2G内存的聚合，快满的时候把数组元素前挪然后排序再append到单独一个文件并清空map。遍历完20亿行数据的时候，也就生成了n个部分聚合的有序kv文件（key是数值，value是key出现的次数）。
然后每个文件生成一个Iterator，记录当前行的值。再搞个长度为n的优先队列，每个队列元素是文件Iterator，排序比较的是每个文件Iterator的当前值。这样每从优先队列中取出一个文件Iterator，对这个Iterator取下一个kv，再把这个Iterator塞回到优先队列。相同的key必相邻，把连续相同的key的value相加即可得到这个key的出现次数，遍历一次优先队列就能知道哪个key出现次数最多
924060929
以最高位或最低位为依据分组，写入各个文件
再从条数最多的文件开始，去掉分组标志位，再以最高位或最低位分组，重复以上，得到一组相同数字个数，把所有低于这个条数的文件丢弃，重复过程，可以几十k内存搞定
