有10個文件，每個文件1G，每個文件的每一行存放的都是用戶的query，每個文件的query都可能重復。要求你按照query的頻度排序?

　　方案1:

　　hash映射: 順序讀取10個文件，按照hash(query)%10的結果將query寫入到另外10個文件(記為a0,a1,..a9)中。這樣新生成的文件每個的大小大約也1G(假設hash函數(shù)是隨機的)。

　　hash_map統(tǒng)計: 找一臺內存在2G左右的機器，依次對用hash_map(query, query_count)來統(tǒng)計每個query出現(xiàn)的次數(shù)。注: hash_map(query,query_count)是用來統(tǒng)計每個query的出現(xiàn)次數(shù)，不是存儲他們的值，出現(xiàn)一次，則count+1。

　　堆/快速/歸并排序: 利用快速/堆/歸并排序按照出現(xiàn)次數(shù)進行排序，將排序好的query和對應的query_cout輸出到文件中，這樣得到了10個排好序的文件(記為)。最后，對這10個文件進行歸并排序(內排序與外排序相結合)。

　　方案2:

　　一般query的總量是有限的，只是重復的次數(shù)比較多而已，可能對于所有的query，一次性就可以加入到內存了。這樣，我們就可以采用trie樹/hash_map等直接來統(tǒng)計每個query出現(xiàn)的次數(shù)，然后按出現(xiàn)次數(shù)做快速/堆/歸并排序就可以了。

　　方案3:

　　與方案1類似，但在做完hash，分成多個文件后，可以交給多個文件來處理，采用分布式的架構來處理(比如MapReduce)，最后再進行合并。 ¶ 給定a、b兩個文件，各存放50億個u