題目：
40億 大整數，組成了一個大文件。
想找到其中的 上中位數該怎么辦？
內存：10MB，怎么辦？
內存：20K，怎么辦？
內存：有限幾個字符，怎么辦？
條件：按行讀取文件，讀取操作不占用內存。
應該具備的能力：
2^k = ? 應該都能夠熟記，達到反射性反應的程度。
字節數 對應計算機中的 容量（T, G, M, K）
內存只有 10MB 的情況
接下來我們來解題：
看到大數據容量限制的，首先想到的是從范圍入手。
1. 數據是 有符號？ / 無符號？
2. 我們知道一個 4字節的無符號整數 范圍為：0~42億
那么我們可以用一個 unsigned int 來表示一個數出現的次數
（一個數最多出現 40億 次，故能夠表示，不會溢出）
3. 我們來計算 10MB 內存可以存幾個 unsigned int 的數。 => 250萬
因此我們知道 10MB 內存足夠我們在 250W 范圍內進行 精細的詞頻統計（每個數出現幾次）
4. 0~42億 內總共有 1680個 250W 范圍的段。因此我們將 42億 的范圍按照 250W 進行分段。（[0, 250w), [250w,500w)...）
建立一個 1680 的數組，遍歷大文件一次，來統計每個段中出現數的個數。
count[i] 就表示在第 i 段的 連續的250W 的范圍內，出現了多少個數。
比如：一個數字值為10億，那么它應該就在 count[400] 這個段中，那么進行操作 count[400]++ 即可。
5. 對 count 進行累加，直到 sum >= 20億。這樣我們就能確定第 20億 個數是來自哪個范圍的。
6. 釋放該數組，再次遍歷大文件，利用 10MB 的空間對該范圍內的數進行 精細的詞頻統計。這樣便能夠找到中位數了。
由此可見，以上做法是借用了 桶排序 的思想。
總結：
1. 利用限制的范圍計算出我們能夠在多大的范圍內進行 精細的詞頻統計。
2. 利用 精細的范圍 對整體范圍進行划分，建立一個粗略的統計數組。
3. 遍歷大文件，找出中位數粗略的范圍。
4. 對該粗略的范圍進行精細的統計。
內存只有 20K 的情況：
我們依然用上面的方法來分析：
20K 的內存可以支持 5000范圍大小 的精細詞頻統計。
然后我們用 40億 / 5000 => 發現該數值已經怨願你大於 5000 了，我們根本無法進行粗略范圍的統計。
於是，我們不妨逆過來思考。
直接從 粗略的范圍 出發進行統計。將其分成 5000 份。
我們依然能夠得知 中位數 是在哪個部分。然后看該范圍能否被精細統計。
若不能一直循環下去。
內存只有 有限幾個字符 的情況（比如就8個字節，兩個變量）：
采用二分的方法。最多二分 32 次，即需要讀 32 次文件。
1. 首先對 0~42 億二分（注意是對整個范圍進行二分），用一個變量 k 記下當前的值是多少。
遍歷文件一邊遍，計算當前小於當前值得數據個數 n。
2. 若 n < 21億，該數在小半部分。若 n > 21億，該數在大部分。
以此循環下去。