有一个 200GB 的日志文件，每行是一个 IP 地址，单机内存 16GB，要求输出出现次数最多的前 100 个 IP。请写出核心代码（语言不限，可用伪代码描述关键部分），并说明你为什么这么选。如果换成 200TB、10 台机器，你的方案哪里要改？
面试官在考什么
判断候选人能否在内存装不下数据的硬约束下，自己推导出「分片 + 局部 Top-K + 归并」的两阶段算法，而不是背一个 HashMap 统计的模板。
回答框架 · 前两步
- 识别单机内存约束，明确不能全量加载，必须两阶段：分片 → 局部统计取 Top-K → 全局归并
- 分片必须按 key 哈希（如 hash(ip) % N），保证同一个 IP 一定落到同一个分片，否则计数会被拆散
还有 3 条答案要点、 3 层追问、 4 个常见坑， 以及针对你简历的追问路径，在定制报告里。
同一能力域的其他题
- 现场编码：给定一个长度约 10^6 的 int 数组 nums（元素值域 1~10^4，可能大量重复）和一个整数 k（1 ≤ k ≤ 不同元素的个数），返回出现频率最高的 k 个元素，顺序不限。要求你先把方案说清楚——你打算用哪种做法、为什么——再动手写代码。写完后请说明你的时间/空间复杂度，以及当 k 等于「不同元素个数」时你的代码会发生什么。
- 场景：你在做 API 网关的单机限流。要求：窗口 1 秒，QPS 上限 1000，允许突发 2000，P99 延迟增加 < 1ms，内存 < 10MB。请现场手写核心数据结构与 tryAcquire() 代码，并说明你选固定窗口、滑动窗口、令牌桶还是漏桶，以及理由。如果再要推广到 500 台机器做全局限流，你会怎么演进？
- 请手写一个函数：输入一个只包含小写字母的字符串 s，返回其中不含重复字符的最长连续子串的长度。例如 s = "abcabcbb" 返回 3，s = "bbbbb" 返回 1，s = "" 返回 0。要求时间复杂度 O(n)，并在写完后说明你在循环里维护的那个不变量（不变式）到底是什么，以及它为什么保证答案不会漏掉。
- 现场实现一个函数 parse_duration(s) -> int，把形如 "1h30m"、"90s"、"2h" 的时长字符串解析成总秒数，单位只支持 h/m/s。要求你分两步做：第一步先用一句话写清这个函数接受的「合法输入」到底是什么（契约），并列出你会覆盖的边界输入清单；第二步再写代码。
- 有一个按 key 非降序排列的数据集，共 10^9 条，存在远端存储上，只提供两个接口：get(i) 读取第 i 条记录（一次调用约 5ms，支持随机访问），size() 返回总条数。数据中 key 有大量重复。请实现 lower_bound(target)：返回第一个 key >= target 的下标，都不满足则返回 size()。写出代码，并说明你对哪些边界做了处理、每一处为什么这么处理。
- 场景：现场实现订单金额解析求和：输入是逗号分隔的字符串，可能包含空项、负数、科学计数法、超长数字、前后空格、非 ASCII 字符。返回 BigDecimal 总和。要求：任何非法输入不能导致整个批次失败，必须记录到错误列表并继续。写出核心代码，并说明在每天 10 亿条请求的支付网关场景下，你的边界策略如何在“可用性”和“资损”之间取舍。