对一千万条数据进行排序---编程珠玑第二版第一章

本书第一章提出了一个看似简单的问题，有最多1000万条不同的整型数据存在于硬盘的文件中，如何在1M内存的情况下对其进行尽可能快的排序。

每个数字用4byte，1M即可存储250 000个数据，显然，只要每次对250 000个数据排序，写入到文件中即可，重复40次。

那么如何选出每次遍历的二十五万条数据呢？有如下两个策略：

1、对一千万条数据遍历40次，第i次遍历时，判断数是否属于[i*250000,i*250000+249999），如果是，则读入内存，当第i次遍历完成时，内

存中有了二十五万条数据，这些数据比前i-1次遍历筛选出来的大，但是比后40-i次遍历的小。故，将第i次遍历选入内存中的数排序，输出到硬盘文件，

追加到i-1次输出到那个文件即可。

特点：简单，粗暴，但是遍历次数极多，只能串行，对文件进行了40次读取，本机运行耗时 2分17秒214毫秒。

2、对一千万条数据遍历1次，第i组二十五万条数据存入内存，排序，输出到文件i，对一千万条数据完成一次遍历后，生成40个内容有序的临时文件，

在对这些文件归并，即可。

特点：对源文件只需要一次读入，排序可以采用多线程，IO次数仍然较高。串行情况下，本机运行耗时21秒221毫秒

那么如何能达到10秒以内呢？

那么分析一下这个问题的特点：

a、数据不超过最大值

b、所有数据不重复

c、每条数据仅是一个数

那么可以申请一个一千万位长的位向量，下标为i的位是1，则代表存在一个数i。

3、由此得到了一种针对此问题的位图排序方法。

申请长度为一千万位的位向量bit[10000000]，所有位设置为0，顺序读取待排序文件，每读入一个数i，便将bit[i]置为1。当所有数据读入完成，便对

bit做从头到尾的遍历，如果bit[i]=1，则输出i到文件，当遍历完成，文件则已排好序。本机运行耗时9秒49毫秒。

备注：无bit类型的编程语言如何实现位操作

以32位操作系统下的int类型为例。设需要申请N个位，则需要有a[N/32+1]个int类型方可容得下N位（当然，最后一个int中有些位被浪费了）

将第i位置为1的时候可以用如下操作：

第i位必然在 int型数组a的第 (i/32)个数中，偏移量是 (i%32)，将i位置为1，需要第(i/32)的数与一个数b相或即可，b要求是 (i%32)位为1，其他位均

为0，故有如下语句：

a[i/32] | (1 << (i%32));

为了保证达到最快的运算速度，上式改写为如下：

a[i >>5] |= (1 << (i & 31));

来源:http://www.cnblogs.com/tntboom/p/4109458.html

对一千万条数据进行排序---编程珠玑第二版第一章相关推荐

编程珠玑第二版 ---- 第一章个人习题集(Java)
第一题:如果不缺内存,如何使用一个具有库的语言来实现一种排序算法? 直接使用Collections.sort(list)排序第二题:如何使用位逻辑运算来实现位向量? package com.xck. ...
python核心编程第二版第一章学习笔记
一.名字来源贵铎·范·罗萨姆(Guido van Rossum)于1989 年底始创了Python,那时,他还在荷兰的CWI(Centrum voor Wiskunde en Informatica ...
千万条数据，Stack Overflow是如何实现快速分页的
转载自千万条数据,Stack Overflow是如何实现快速分页的 Stack Overflow 在分页机制中使用页码代替偏移量,页码指向基于 LIMIT 和 OFFSET 的查询.假设要对 100 ...
索引（B+树）、B+树一个节点有多大？（一千万条数据，B+树多高？）
目录 1. 谈谈对索引的理解 2. B树和B+树的区别?为什么使用B+树?(B+树底层文件是怎么存储的) 3. MySQL为什么要用B+树存储索引?而不用平衡二叉树(红黑树).Hash索引(散列表). ...
利用python处理两千万条数据的一些经验（仅供自己记录）
5.3老板交给我一个任务,简单处理一些数据,三个CSV文件,每个都是2.3G大小,以下是要求看着觉得很easy,兴冲冲地去搞了,当时还是用的notepad++写python代码,对于python来说 ...
MySQL利用存储过程自动生成千万条数据
文章目录前言一.实现思路二.实现步骤 1.创建数据库 2.创建存储表和内存表 3.创建所需函数 4.创建存储过程 5.调用存储过程插入数据 6.统计数据库拓展总结前 ...
insert批量插入500ms_如何快速安全的插入千万条数据
作者:ksfzhaohui 最近有个需求解析一个订单文件,并且说明文件可达到千万条数据,每条数据大概在20个字段左右,每个字段使用逗号分隔,需要尽量在半小时内入库. 思路 1.估算文件大小因为告诉文 ...
如何快速安全的插入千万条数据？
最近有个需求解析一个订单文件,并且说明文件可达到千万条数据,每条数据大概在20个字段左右,每个字段使用逗号分隔,需要尽量在半小时内入库. 思路 1.估算文件大小因为告诉文件有千万条,同时每条记录大概 ...
mysql如何快速插入一千万条数据_如何快速安全的插入千万条数据？
最近有个需求解析一个订单文件,并且说明文件可达到千万条数据,每条数据大概在20个字段左右,每个字段使用逗号分隔,需要尽量在半小时内入库. 思路 1.估算文件大小因为告诉文件有千万条,同时每条记录大概 ...

对一千万条数据进行排序---编程珠玑第二版第一章

对一千万条数据进行排序---编程珠玑第二版第一章相关推荐

最新文章

热门文章

对一千万条数据进行排序---编程珠玑第二版 第一章

对一千万条数据进行排序---编程珠玑第二版 第一章相关推荐

最新文章

热门文章

对一千万条数据进行排序---编程珠玑第二版第一章

对一千万条数据进行排序---编程珠玑第二版第一章相关推荐