Baidu2006笔试算法题
求助：Baidu2006笔试算法题
对给定的上亿条无序的url，请按照domain、site以及path分别排序，并请指出排序过程中可能会遇到的哪些问题？如何提高效率？
例如：http://www.baidu.com/path/about.html，domain、site以及path的定义分别如下：
Domain:baidu.com
Site:www.baidu.com
Path: www.baidu.com/path
上亿条？
怎么处理？内存吃得销吗？ 是采用内部排序还是外部排序？
------解决方案--------------------
B+树？
------解决方案--------------------
看不懂，帮你顶
------解决方案--------------------
awk....
------解决方案--------------------
必然是外排序，还没看到那里，过两天再想想看。现在的想法是，按Domain分类，Domain内再分site，最后对path排序－>site排序->domain排序，其中同一site的path排序可以在同一台机器上做，而且每个site内的path、site排序、domain排序是可以并行的。然后对具体的某个排序再选择合适的外排序算法。
对给定的上亿条无序的url，请按照domain、site以及path分别排序，并请指出排序过程中可能会遇到的哪些问题？如何提高效率？
例如：http://www.baidu.com/path/about.html，domain、site以及path的定义分别如下：
Domain:baidu.com
Site:www.baidu.com
Path: www.baidu.com/path
上亿条？
怎么处理？内存吃得销吗？ 是采用内部排序还是外部排序？
------解决方案--------------------
B+树？
------解决方案--------------------
看不懂，帮你顶
------解决方案--------------------
awk....
------解决方案--------------------
必然是外排序，还没看到那里，过两天再想想看。现在的想法是，按Domain分类，Domain内再分site，最后对path排序－>site排序->domain排序，其中同一site的path排序可以在同一台机器上做，而且每个site内的path、site排序、domain排序是可以并行的。然后对具体的某个排序再选择合适的外排序算法。