题目重点：区分精确外部分区聚合与在线滑动窗口；在内存受限条件下说明无法无状态地精确维护无限 URL 流。
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。
- 同一 URL 的规范化规则先固定，如大小写、端口、查询参数与重定向；否则统计对象不稳定。
- 先问是否要求精确。全局可对有限历史日志离线计算，24 小时结果以事件时间窗口 (now−24h,now] 为训练约定。
解题路线
- 有限历史全局精确解：按规范化 URL 哈希分区写磁盘或分布式存储，每个分区内按 URL 聚合计数；各分区只输出本地 Top K，再用大小 K 的堆合并。任一全局 Top K 必在其所属分区的本地 Top K 中。
- 若单个分区仍超内存，继续分区或外部排序；不能声称一个 K 大小的堆在只看原始日志一遍时就能精确识别任意高基数的频繁 URL。
- 24 小时精确窗口需要保存可过期的时间桶贡献或原始事件，过期时扣减；桶宽是近似边界时，明确最大时间误差。精确任意时刻窗口则需事件级状态或可重算的持久日志。
- 若状态预算仍不够，可用 Count-Min Sketch、heavy-hitter 候选和时间分桶近似；必须报告过估计误差、候选遗漏风险、删除/过期策略，并用精确样本校验。
手动走一遍
假设两分区，本地 Top 2 分别有 [A:100,B:90] 与 [C:95,D:80]，全局 Top 2 从四个候选中得 A、C。24 小时窗若 A 的 70 次在边界外，仍把历史总数 100 当窗口数就会错；必须扣掉过期贡献。
规模与取舍
历史 N 条、U 个 URL、P 个分区：分区写入 O(N)，每分区聚合总计 O(N)，候选合并 O(PK log(PK)) 或 O(PK log K)，内存由单分区基数和 K 控制；外部存储 O(N) 或 O(U+事件日志)。在线精确窗口至少需要能恢复尚未过期的贡献。
易错点与追问
容易失分的边界
- 直接把全局计数 map 放内存，却未检查 U 是否超过预算。
- 只保留当前 Top K，认为新 URL 永远不可能追上历史热门 URL。
- 用小时桶回答“任意过去 24 小时精确 Top K”却不说明桶边界误差。
继续深挖
- 迟到日志应该按接收时间还是事件时间入窗？如何修正已经发布的排行？
- URL query 参数爆炸导致高基数时，规范化规则怎样避免合并不同资源？
- 对 Top K 并列计数如何定义稳定排序？
