diff --git a/ebook/build/Makefile b/ebook/build/Makefile index b0d0137d3..0f0fef03d 100644 --- a/ebook/build/Makefile +++ b/ebook/build/Makefile @@ -34,7 +34,7 @@ $(BUILD)/html/$(BOOKNAME).html: cp TAOP.png $(BUILD)/html @tmpdir=`pwd`;\ cd $(BUILD)/html;\ - mdtogh --css --user=$(GHUSER) --pass=$(GHPASS) --toc --book=$$tmpdir/book.json --file_reg='^\d.+\.md$$' $$tmpdir/$(SRC_DIR); + mdtogh --css --user=$(GHUSER) --pass=$(GHPASS) --toc --toc_file=$$tmpdir/$(SRC_DIR)Readme.md --book=$$tmpdir/book.json --file_reg='^\d.+\.md$$' $$tmpdir/$(SRC_DIR); $(BUILD)/pdf/$(BOOKNAME).pdf: $(TITLE) mkdir -p $(BUILD)/pdf diff --git a/ebook/zh/07.03.md b/ebook/zh/07.03.md index 57106eb92..727e0ebf2 100644 --- a/ebook/zh/07.03.md +++ b/ebook/zh/07.03.md @@ -82,7 +82,7 @@ Query统计有以下俩个方法，可供选择： 至此，算法就完全结束了，经过上述第一步、先用Hash表统计每个Query出现的次数，O（N）；然后第二步、采用堆数据结构找出Top 10，N\*O（logK）。所以，我们最终的时间复杂度是：O（N） + N'\*O（logK）。（N为1000万，N’为300万）。如果各位有什么更好的算法，欢迎留言评论。 -此外，还可以看下此文第二部分的第二题：[教你如何迅速秒杀掉：99%的海量数据处理面试题](08.1.md) +此外，还可以看下此文第二部分的第二题：[教你如何迅速秒杀掉：99%的海量数据处理面试题](08.01.md) ##第二部分、Hash表 算法的详细解析 diff --git a/ebook/zh/08.01.md b/ebook/zh/08.01.md index 8ca979827..d0e24cdf4 100644 --- a/ebook/zh/08.01.md +++ b/ebook/zh/08.01.md @@ -316,7 +316,7 @@ Bloom filter将集合中的元素映射到位数组中，用k（k为哈希函数 * 关于数据库索引及其优化，更多可参见此文：； * 关于MySQL索引背后的数据结构及算法原理，这里还有一篇很好的文章：； -* 关于B 树、B+ 树、B* 树及R 树，本blog内有篇绝佳文章：[从B树、B+树、B*树谈到R 树](07.2.md)。 +* 关于B 树、B+ 树、B* 树及R 树，本blog内有篇绝佳文章：[从B树、B+树、B*树谈到R 树](07.02.md)。 **倒排索引(Inverted index)** @@ -349,9 +349,9 @@ Bloom filter将集合中的元素映射到位数组中，用k（k为哈希函数 关于倒排索引的应用，更多请参见： -* [第二十三章：杨氏矩阵查找](23.0.md)， -* [第二十四章：倒排索引关键词Hash不重复编码实践](24.0.md) -* [第二十六章：基于给定的文档生成倒排索引的编码与实践](26.0.md)。 +* [第二十三章：杨氏矩阵查找](03.02.md)， +* [第二十四章：倒排索引关键词Hash不重复编码实践](09.04.md) +* [第二十六章：基于给定的文档生成倒排索引的编码与实践](09.05.md)。 #### 密匙五、外排序 @@ -386,7 +386,7 @@ MapReduce是一种计算模型，简单的说就是将大批量的工作（数 更多具体阐述请参见blog内： -* [从Hadhoop框架与MapReduce模式中谈海量数据处理](08.2.md)， +* [从Hadhoop框架与MapReduce模式中谈海量数据处理](08.02.md)， * 及[MapReduce技术的初步了解与学习](http://blog.csdn.net/v_july_v/article/details/6637014)。 **其它模式/方法论，结合操作系统知识**