在海量数据中求中位数，内存肯定不能一下子放这么多数据。中位数的定义：数排序后，位于中间的数。例如，对100亿个数字进行排序。排序后，第50位的数为中位数。桶排序1）创建多个小文件桶，设置每个桶的取值范围，然后根据值将海量数据元素分配到对应的桶中，并记录桶中元素的个数2）根据元素的值bucketnumber中，计算中位数所在的bucket（比如有100亿条数据，第一个bucket到第18个bucket总共有49亿条数据，第19个bucket有2亿条数据，那么中位数必须在第19个桶），然后对桶进行排序，就可以找到海量数据的中值（如果内存还是不够，可以继续拆分桶；或者直接使用BitMap排序）简单用100条数据画图直观理解：分治法+基于二进制比较假设这100亿条数据都是int类型，4字节（32位）有符号整数，存储在一个非常大的文件中。用二进制表示每个数，比较二进制的[最高位]（第32位），如果该数的最高位为0，则将这个数写入file_0文件；如果最高位为1，则将数字写入file_1文件。最高位是符号位，也就是说file_1中的数字都是负数，而file_0中的数字都是正数。通过这个操作，将100亿个数字分成两个文件，假设file_0文件中有60亿个数字，file_1文件中有40亿个数字。这样划分之后，想一想：中位数在哪个文件中？100亿个数的中位数是100亿个数排序后的第50亿个数。现在file_0有60亿个正数，file_1有40亿个负数。file_0中的数大于file_1中的数，排序后的第50亿个数是中位数，那么这个中位数一定位于file_0中，是file_0中所有数排序后的第10亿个数。现在，我们只需要处理file_0文件（不用再担心file_1文件了）。对于file_0文件，同样可以采取上述措施：将file_0文件的一部分依次读入内存，将每一个数用二进制表示，比较二进制[第二高位]（第31位），如果数的第二高位为0，写入file_0_0；如果第二高位为1，则写入file_0_1。现在假设file_0_0中有30亿个数，file_0_1中有30亿个数，则中位数为：file_0_1中的数从小到大排序后的第10亿个数。放弃file_0_0文件，继续按照[secondhighestbit]（第30位）划分file_0_1文件，以此类推
