【最近一个小时内访问频率最高的10个IP】【系统设计面经题目精选系列】

TeamEditor

实时输出最近一个小时内访问频率最高的10个IP，要求：

• 实时输出
• 从当前时间向前数的1个小时
• QPS可能会达到10W/s
  

这道题乍一看很像Top K 频繁项，是不是需要 Lossy Count 或 Count-Min Sketch 之类的算法呢？

其实杀鸡焉用牛刀，这道题用不着上述算法，请听我仔细分析。

• QPS是 10万/秒，即一秒内最高有 10万个请求，那么一个小时内就有 100000*3600=360000000≈[size=1.21em]2^{28.4}2​28.4​​，向上取整，大概是 [size=1.21em]2^{29}2​29​​个请求，也不是很大。我们在内存中建立3600个HashMap<Int,Int>，放在一个数组里，每秒对应一个HashMap，IP地址为key, 出现次数作为value。这样，一个小时内最多有[size=1.21em]2^{29}2​29​​个pair，每个pair占8字节，总内存大概是 [size=1.21em]2^{29} \times 8=2^{32}2​29​​×8=2​32​​字节，即4GB，单机完全可以存下。
• 同时还要新建一个固定大小为10的小根堆，用于存放当前出现次数最大的10个IP。堆顶是10个IP里频率最小的IP。
• 每次来一个请求，就把该秒对应的HashMap里对应的IP计数器增1，并查询该IP是否已经在堆中存在，
  • 如果不存在，则把该IP在3600个HashMap的计数器加起来，与堆顶IP的出现次数进行比较，如果大于堆顶元素，则替换掉堆顶元素，如果小于，则什么也不做
  • 如果已经存在，则把堆中该IP的计数器也增1，并调整堆
    
• 需要有一个后台常驻线程，每过一秒，把最旧的那个HashMap销毁，并为当前这一秒新建一个HashMap，这样维持一个一小时的窗口。
• 每次查询top 10的IP地址时，把堆里10个IP地址返回来即可。
  

以上就是该方案的全部内容。

有的人问，可不可以用"IP + 时间"作为key, 把所有pair放在单个HashMap里？如果把所有数据放在一个HashMap里，有两个巨大的缺点，

• 第4步里，怎么淘汰掉一个小时前的pair呢？这时候后台线程只能每隔一秒，全量扫描这个HashMap里的所有pair,把过期数据删除，这是线性时间复杂度，很慢。
• 这时候HashMap里的key存放的是"IP + 时间"组合成的字符串，占用内存远远大于一个int。而前面的方案，不用存真正的时间，只需要开一个3600长度的数组来表示一个小时时间窗口。
  

Rebecca

感谢TeamEditor分享~~~

朱莉亚

感谢TeamEditor分享~~~