最近两个星期的时间，我被chinese gigaword corpus的处理难住了：我原来的程序居然不能正确处理超过一亿汉字的文本，每次都在几分钟甚至几个小时后崩溃。硬邦邦的linux只会报告segment fault。不知道问题出在哪里。

昨天的时候灵机一动，会不会是数据太大，导致表示指标的数据类型越界了？看了下，果然是用的是int型，改成unsigned long型，居然跑通了几个。继续检查剩下的几个segment fault，发现问题出在快速排序那一段，因为用了递归函数，不知道哪里有问题，今天临时改为冒泡排序，再也没有segment fault了。但是出了新问题：到现在为止，一个原来15分钟quick sort掉的样本集（包含1.2亿汉字），几个小时都没有冒泡完。