From 3a88447c9d3a2386dc64d11b87f8834223a69f93 Mon Sep 17 00:00:00 2001
From: ranwenjie <ranwenjie@didichuxing.com>
Date: Sat, 6 Nov 2021 23:46:45 +0800
Subject: [PATCH] update readme

---
 3 Hash Table/README.md                           |  1 +
 5 Graph/DFS 和 BFS.md                            |  5 +++++
 6 Sort/外排序.md                                 |  5 +++++
 .../{bloomfilter => }/Bitmap.md                  | 12 ++++++------
 ...loom filter(布隆过滤器).md => Bloomfilter.md} |  1 -
 .../{mapreduce => }/Hash映射,分而治之.md         |  0
 .../Inverted Index/倒排索引(Inverted Index).md   |  3 +--
 .../Inverted Index/数据库索引.md                 |  3 +--
 91 Algorithms In Big Data/README.md              | 16 ++++++++--------
 .../{simhash => }/simhash算法.md                 |  0
 91 Algorithms In Big Data/双层桶划分.md          |  4 +---
 92 Algorithms In DB/README.md                    |  3 +--
 12 files changed, 29 insertions(+), 24 deletions(-)
 create mode 100644 6 Sort/外排序.md
 rename 91 Algorithms In Big Data/{bloomfilter => }/Bitmap.md (78%)
 rename 91 Algorithms In Big Data/{bloomfilter/Bloom filter(布隆过滤器).md => Bloomfilter.md} (99%)
 rename 91 Algorithms In Big Data/{mapreduce => }/Hash映射,分而治之.md (100%)
 rename 91 Algorithms In Big Data/{simhash => }/simhash算法.md (100%)

diff --git a/3 Hash Table/README.md b/3 Hash Table/README.md
index 409a780..0bf1d4f 100644
--- a/3 Hash Table/README.md	
+++ b/3 Hash Table/README.md	
@@ -63,6 +63,7 @@ Hash hashCode(char *key){
 当然，还有其他的散列函数，如`平方取中法`, `随机数法`等。
 
 
+
 ## 碰撞解决
 
 
diff --git a/5 Graph/DFS 和 BFS.md b/5 Graph/DFS 和 BFS.md
index ecd990f..ed7d73c 100644
--- a/5 Graph/DFS 和 BFS.md	
+++ b/5 Graph/DFS 和 BFS.md	
@@ -1,5 +1,10 @@
 # DFS 和 BFS 搜索算法
 
+DFS: 深度优先搜索，以深度为准则，先一条路走到底，直到达到目标； 没有达到目标又无路可走了，那么则退回到上一步的状态，走其他路。这便是回溯上来。
+
+BFS:广度优先搜素，在面临一个路口时，把所有的岔路口都记下来，然后选择其中一个进入，然后将它的分路情况记录下来，然后再返回来进入另外一个岔路，并重复这样的操作。
+
+
 
 > DFS用递归的形式，用到了栈结构，先进后出; BFS选取状态用队列的形式，先进先出。
 
diff --git a/6 Sort/外排序.md b/6 Sort/外排序.md
new file mode 100644
index 0000000..6c426c6
--- /dev/null
+++ b/6 Sort/外排序.md	
@@ -0,0 +1,5 @@
+# 外排序
+
+
+
+
diff --git a/91 Algorithms In Big Data/bloomfilter/Bitmap.md b/91 Algorithms In Big Data/Bitmap.md
similarity index 78%
rename from 91 Algorithms In Big Data/bloomfilter/Bitmap.md
rename to 91 Algorithms In Big Data/Bitmap.md
index d2ce2d3..94ac1f4 100644
--- a/91 Algorithms In Big Data/bloomfilter/Bitmap.md	
+++ b/91 Algorithms In Big Data/Bitmap.md	
@@ -1,16 +1,16 @@
-
-
-## Bitmap
+# Bitmap
 
 也就是用1个(或几个)bit位来标记某个元素对应的value(如果是1bitmap，就只能是元素是否存在;如果是x-bitmap,还可以是元素出现的次数等信息)。使用bit位来存储信息，在需要的存储空间方面可以大大节省。应用场景有：
 
 
-1. 排序（如果是1-bitmap,就只能对无重复的数排序）
-2. 判断某个元素是否存在
+1. 判断某个元素是否存在
+2. 排序（如果是1-bitmap,就只能对无重复的数排序）
+
 
 比如，某文件中有若干8位数字的电话号码，要求统计一共有多少个不同的电话号码？
 
-分析：8位最多99 999 999, 如果1Byte表示1个号码是否存在，需要95MB空间，但是如果1bit表示1个号码是否存在，则只需要 95/8=12MB 的空间。这时，数字k(0~99 999 999)与bit位的对应关系是：
+分析：8位最多99 999 999, 如果1Byte表示1个号码是否存在，需要95MB空间，但是如果1bit表示1个号码是否存在，则只需要 95/8=12MB 的空间。这时，数字 `k(0~99 999 999)`与bit位的对应关系是：
+
 
 ```
 #define SIZE 15*1024*1024
diff --git a/91 Algorithms In Big Data/bloomfilter/Bloom filter(布隆过滤器).md b/91 Algorithms In Big Data/Bloomfilter.md
similarity index 99%
rename from 91 Algorithms In Big Data/bloomfilter/Bloom filter(布隆过滤器).md
rename to 91 Algorithms In Big Data/Bloomfilter.md
index fcd6520..c0075aa 100644
--- a/91 Algorithms In Big Data/bloomfilter/Bloom filter(布隆过滤器).md	
+++ b/91 Algorithms In Big Data/Bloomfilter.md	
@@ -1,4 +1,3 @@
-
 # Bloom filter(布隆过滤器)
 
 Bloom Filter是由Bloom在1970年提出的一种多哈希函数映射的快速查找算法。通常应用在海量数据处理中，一些需要快速判断某个元素是否属于集合，但是并不严格要求100%正确的场合（容忍错误的场景）。
diff --git a/91 Algorithms In Big Data/mapreduce/Hash映射,分而治之.md b/91 Algorithms In Big Data/Hash映射,分而治之.md
similarity index 100%
rename from 91 Algorithms In Big Data/mapreduce/Hash映射,分而治之.md
rename to 91 Algorithms In Big Data/Hash映射,分而治之.md
diff --git a/91 Algorithms In Big Data/Inverted Index/倒排索引(Inverted Index).md b/91 Algorithms In Big Data/Inverted Index/倒排索引(Inverted Index).md
index aed743c..b203143 100644
--- a/91 Algorithms In Big Data/Inverted Index/倒排索引(Inverted Index).md	
+++ b/91 Algorithms In Big Data/Inverted Index/倒排索引(Inverted Index).md	
@@ -1,5 +1,4 @@
-
-## 倒排索引(Inverted Index)
+# 倒排索引(Inverted Index)
 
 
 常规的索引是文档到关键词的映射，就是每个文档指向一个它所包含的索引项的序列，也就是文档文档指向了它包含的索引项序列，也就是文档指向它包含的哪些单词。
diff --git a/91 Algorithms In Big Data/Inverted Index/数据库索引.md b/91 Algorithms In Big Data/Inverted Index/数据库索引.md
index 48048f7..96b8cf0 100644
--- a/91 Algorithms In Big Data/Inverted Index/数据库索引.md	
+++ b/91 Algorithms In Big Data/Inverted Index/数据库索引.md	
@@ -1,5 +1,4 @@
-
-## 数据库索引
+# 数据库索引
 
 索引使用的数据结构多是B树或B+树。B树和B+树广泛应用于文件存储系统和数据库系统中，mysql使用的是B+树，oracle使用的是B树，Mysql也支持多种索引类型，如b-tree 索引，哈希索引，全文索引等。
 
diff --git a/91 Algorithms In Big Data/README.md b/91 Algorithms In Big Data/README.md
index 9a34953..b45e6b5 100644
--- a/91 Algorithms In Big Data/README.md	
+++ b/91 Algorithms In Big Data/README.md	
@@ -6,15 +6,15 @@
 针对空间，就一个办法，大而化小，分而治之。常采用hash映射
 
 
-* Hash映射/分而治之
-* Bitmap
-* Bloom filter(布隆过滤器)
-* 双层桶划分
-* Trie树
-* 数据库索引
+* [Hash映射,分而治之](Hash映射,分而治之.md)
+* [Bitmap](Bitmap.md)
+* [Bloom filter(布隆过滤器)](Bloomfilter.md)
+* [双层桶划分](双层桶划分.md)
+* [Trie树](../4%20Tree/4-字典树Trie/README.md)
+* [数据库索引](Inverted%20Index/数据库索引.md)
 * 倒排索引(Inverted Index)
-* 外排序
-* simhash算法
+* [外排序](../6%20Sort/外排序.md)
+* [simhash算法](simhash算法.md)
 * 分布处理之Mapreduce
 
 
diff --git a/91 Algorithms In Big Data/simhash/simhash算法.md b/91 Algorithms In Big Data/simhash算法.md
similarity index 100%
rename from 91 Algorithms In Big Data/simhash/simhash算法.md
rename to 91 Algorithms In Big Data/simhash算法.md
diff --git a/91 Algorithms In Big Data/双层桶划分.md b/91 Algorithms In Big Data/双层桶划分.md
index 01d77be..c4adf7d 100644
--- a/91 Algorithms In Big Data/双层桶划分.md	
+++ b/91 Algorithms In Big Data/双层桶划分.md	
@@ -1,6 +1,4 @@
-
-
-## 双层桶划分
+# 双层桶划分
 
 双层桶不是一种数据结构，只是一种算法思维。分而治之思想。
 
diff --git a/92 Algorithms In DB/README.md b/92 Algorithms In DB/README.md
index 4095714..f818b84 100644
--- a/92 Algorithms In DB/README.md	
+++ b/92 Algorithms In DB/README.md	
@@ -1,5 +1,4 @@
-
-## 数据库系统中的算法
+# 数据库系统中的算法
 
 最近开始读《数据库系统实现》这本书，所以就想到把数据库里面用到的数据结构和算法做一个梳理。就有了这些文字。