Meta Host BPS最高：流式CSV与指标选择

题目重点：读取各host端口输入输出速率，先明确最高BPS定义，再流式聚合所有端口。

题意与假设

这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。

训练四列host,port,input_bps,output_bps，速率非负整数bits/sec，一次快照每host-port唯一。选择metric=input/output/total，默认total为训练选择，不声称题目省略的metric已确定。
并列取host字典序小，空输入None；注释#行和空行忽略。跨时间重复快照不能直接相加，需另定义time/window。

解题路线

CSV按行读取，每条根据metric取值，累加totals[host]。host可能多个端口，求host总率不是找单端口最大；大数字用整数保留精确，不转float。
读完整后对host聚合结果求max，tie按名称固定。用csv解析而不是手动split，支持字段引号；检查列数/空host/非负指标，失败显式报错。
文件大时先消除全文件read和sort全部rows：stream减少峰值到host数状态，时间仍必须看每条，因为最后一条可能改变赢家，不能承诺次线性精确扫描。
若host数本身超内存，按host哈希落盘分区后各区聚合，再比各区max；网络/磁盘吞吐可能主导。多线程纯求和并不能自动提高单磁盘读取带宽，先量测瓶颈。

手动走一遍

A两port总率8+7=15，B单port14，赢家A不是单行最大B。A input100/output1，B input2/output200，在input与output政策下赢家不同，必须先问口径。

Python 参考实现

下面的代码按上文假设实现，适合本地运行并追加自己的测试用例。

代码区可横向滚动；使用键盘时，先聚焦代码区再按方向键查看。

import csv
from collections import defaultdict


def highest_bps(lines,metric='total'):
    """CSV host,port,input_bps,output_bps; snapshot rows unique per host/port.

    metric input/output/total explicit; sum ports, tie lexical host. Empty ->None.
    Lines starting # are comments. Nonnegative integer bits/sec, not bytes/sec.
    """
    if metric not in ('input','output','total'):raise ValueError('metric')
    totals=defaultdict(int)
    for row in csv.reader(line for line in lines if line.strip() and not line.lstrip().startswith('#')):
        if len(row)!=4:raise ValueError('four columns required')
        host,port,incoming,outgoing=row;host=host.strip();a=int(incoming);b=int(outgoing)
        if not host or not port.strip() or a<0 or b<0:raise ValueError('invalid row')
        totals[host]+=a if metric=='input' else b if metric=='output' else a+b
    if not totals:return None
    host=min(totals,key=lambda h:(-totals[h],h));return host,totals[host]

复杂度

R行/H host，O(R+H)时间/O(H)聚合状态，加最长输入行缓冲。外部分区需额外磁盘I/O和空间；文件跨快照时存储/聚合grain不能忽略时间。

易错点与追问

容易失分的边界

最大port误当最大host。
bps误当bytes/sec造成8倍差异。
多行同端口重复snapshot简单累加，值不再是某时点速率。

继续深挖

如果输出所有并列host，如何保留tie集合？
数据是计数器累计bytes而非速率，需用时间差和reset规则先计算bps。