经典算法题每日演练——第十八题 外排序
说到排序,大家第一反应基本上是内排序,是的,算法嘛,玩的就是内存,然而内存是有限制的,总有装不下的那一天,此时就可以来玩玩
外排序,当然在我看来,外排序考验的是一个程序员的架构能力,而不仅仅局限于排序这个层次。
一:N路归并排序
1.概序
我们知道算法中有一种叫做分治思想,一个大问题我们可以采取分而治之,各个突破,当子问题解决了,大问题也就KO了,还有一点我们知道
内排序的归并排序是采用二路归并的,因为分治后有LogN层,每层两路归并需要N的时候,最后复杂度为NlogN,那么外排序我们可以将这个“二”
扩大到M,也就是将一个大文件分成M个小文件,每个小文件是有序的,然后对应在内存中我们开M个优先队列,每个队列从对应编号的文件中读取
TopN条记录,然后我们从M路队列中各取一个数字进入中转站队列,并将该数字打上队列编号标记,当从中转站出来的最小数字就是我们最后要排
序的数字之一,因为该数字打上了队列编号,所以方便我们通知对应的编号队列继续出数字进入中转站队列,可以看出中转站一直保存了M个记录,
当中转站中的所有数字都出队完毕,则外排序结束。如果大家有点蒙的话,我再配合一张图,相信大家就会一目了然,这考验的是我们的架构能力。
图中这里有个Batch容器,这个容器我是基于性能考虑的,当batch=n时,我们定时刷新到文件中,保证内存有足够的空间。
2.构建
<1> 生成数据
这个基本没什么好说的,采用随机数生成n条记录。
#region 随机生成数据/// <summary>/// 随机生成数据///<param name="max">执行生成的数据上线</param>/// </summary>public static void CreateData(int max){var sw = new StreamWriter(Environment.CurrentDirectory + "//demo.txt");for (int i = 0; i < max; i++){Thread.Sleep(2);var rand = new Random((int)DateTime.Now.Ticks).Next(0, int.MaxValue >> 3);sw.WriteLine(rand);}sw.Close();}#endregion
<2> 切分数据
根据实际情况我们来决定到底要分成多少个小文件,并且小文件的数据必须是有序的,小文件的个数也对应这内存中有多少个优先队列。
#region 将数据进行分份/// <summary>/// 将数据进行分份/// <param name="size">每页要显示的条数</param>/// </summary>public static int Split(int size){//文件总记录数int totalCount = 0;//每一份文件存放 size 条 记录List<int> small = new List<int>();var sr = new StreamReader((Environment.CurrentDirectory + "//demo.txt"));var pageSize = size;int pageCount = 0;int pageIndex = 0;while (true){var line = sr.ReadLine();if (!string.IsNullOrEmpty(line)){totalCount++;//加入小集合中small.Add(Convert.ToInt32(line));//说明已经到达指定的 size 条数了if (totalCount % pageSize == 0){pageIndex = totalCount / pageSize;small = small.OrderBy(i => i).Select(i => i).ToList();File.WriteAllLines(Environment.CurrentDirectory + "//" + pageIndex + ".txt", small.Select(i => i.ToString()));small.Clear();}}else{//说明已经读完了,将剩余的small记录写入到文件中pageCount = (int)Math.Ceiling((double)totalCount / pageSize);small = small.OrderBy(i => i).Select(i => i).ToList();File.WriteAllLines(Environment.CurrentDirectory + "//" + pageCount + ".txt", small.Select(i => i.ToString()));break;}}return pageCount;}#endregion
<3> 加入队列
我们知道内存队列存放的只是小文件的topN条记录,当内存队列为空时,我们需要再次从小文件中读取下一批的TopN条数据,然后放入中转站
继续进行比较。
#region 将数据加入指定编号队列/// <summary>/// 将数据加入指定编号队列/// </summary>/// <param name="i">队列编号</param>/// <param name="skip">文件中跳过的条数</param>/// <param name="list"></param>/// <param name="top">需要每次读取的条数</param>public static void AddQueue(int i, List<PriorityQueue<int?>> list, ref int[] skip, int top = 100){var result = File.ReadAllLines((Environment.CurrentDirectory + "//" + (i + 1) + ".txt")).Skip(skip[i]).Take(top).Select(j => Convert.ToInt32(j));//加入到集合中foreach (var item in result)list[i].Eequeue(null, item);//将个数累计到skip中,表示下次要跳过的记录数skip[i] += result.Count();}#endregion
<4> 测试
最后我们来测试一下:
数据量:short.MaxValue。
内存存放量:1200。
在这种场景下,我们决定每个文件放1000条,也就有33个小文件,也就有33个内存队列,每个队列取Top100条,Batch=500时刷新
硬盘,中转站存放33*2个数字(因为入中转站时打上了队列标记),最后内存活动最大总数为:sum=33*100+500+66=896<1200。
时间复杂度为N*logN。当然这个“阀值”,我们可以再仔细微调。
public static void Main(){//生成2^15数据CreateData(short.MaxValue);//每个文件存放1000条var pageSize = 1000;//达到batchCount就刷新记录var batchCount = 0;//判断需要开启的队列var pageCount = Split(pageSize);//内存限制:1500条List<PriorityQueue<int?>> list = new List<PriorityQueue<int?>>();//定义一个队列中转器PriorityQueue<int?> queueControl = new PriorityQueue<int?>();//定义每个队列完成状态bool[] complete = new bool[pageCount];//队列读取文件时应该跳过的记录数int[] skip = new int[pageCount];//是否所有都完成了int allcomplete = 0;//定义 10 个队列for (int i = 0; i < pageCount; i++){list.Add(new PriorityQueue<int?>());//i: 记录当前的队列编码//list: 队列数据//skip:跳过的条数AddQueue(i, list, ref skip);}//初始化操作,从每个队列中取出一条记录,并且在入队的过程中//记录该数据所属的 “队列编号”for (int i = 0; i < list.Count; i++){var temp = list[i].Dequeue();//i:队列编码,level:要排序的数据queueControl.Eequeue(i, temp.level);}//默认500条写入一次文件List<int> batch = new List<int>();//记录下次应该从哪一个队列中提取数据int nextIndex = 0;while (queueControl.Count() > 0){//从中转器中提取数据var single = queueControl.Dequeue();//记录下一个队列总应该出队的数据nextIndex = single.t.Value;var nextData = list[nextIndex].Dequeue();//如果改对内弹出为null,则说明该队列已经,需要从nextIndex文件中读取数据if (nextData == null){//如果该队列没有全部读取完毕if (!complete[nextIndex]){AddQueue(nextIndex, list, ref skip);//如果从文件中读取还是没有,则说明改文件中已经没有数据了if (list[nextIndex].Count() == 0){complete[nextIndex] = true;allcomplete++;}else{nextData = list[nextIndex].Dequeue();}}}//如果弹出的数不为空,则将该数入中转站if (nextData != null){//将要出队的数据 转入 中转站queueControl.Eequeue(nextIndex, nextData.level);}batch.Add(single.level);//如果batch=500,或者所有的文件都已经读取完毕,此时我们要批量刷入数据if (batch.Count == batchCount || allcomplete == pageCount){var sw = new StreamWriter(Environment.CurrentDirectory + "//result.txt", true);foreach (var item in batch){sw.WriteLine(item);}sw.Close();batch.Clear();}}Console.WriteLine("恭喜,外排序完毕!");Console.Read();}
总的代码:
1 using System;2 using System.Collections.Generic;3 using System.Linq;4 using System.Text;5 using System.Diagnostics;6 using System.Threading;7 using System.IO;8 using System.Threading.Tasks;9 10 namespace ConsoleApplication211 {12 public class Program13 {14 public static void Main()15 {16 //生成2^15数据17 CreateData(short.MaxValue);18 19 //每个文件存放1000条20 var pageSize = 1000;21 22 //达到batchCount就刷新记录23 var batchCount = 0;24 25 //判断需要开启的队列26 var pageCount = Split(pageSize);27 28 //内存限制:1500条29 List<PriorityQueue<int?>> list = new List<PriorityQueue<int?>>();30 31 //定义一个队列中转器32 PriorityQueue<int?> queueControl = new PriorityQueue<int?>();33 34 //定义每个队列完成状态35 bool[] complete = new bool[pageCount];36 37 //队列读取文件时应该跳过的记录数38 int[] skip = new int[pageCount];39 40 //是否所有都完成了41 int allcomplete = 0;42 43 //定义 10 个队列44 for (int i = 0; i < pageCount; i++)45 {46 list.Add(new PriorityQueue<int?>());47 48 //i: 记录当前的队列编码49 //list: 队列数据50 //skip:跳过的条数51 AddQueue(i, list, ref skip);52 }53 54 //初始化操作,从每个队列中取出一条记录,并且在入队的过程中55 //记录该数据所属的 “队列编号”56 for (int i = 0; i < list.Count; i++)57 {58 var temp = list[i].Dequeue();59 60 //i:队列编码,level:要排序的数据61 queueControl.Eequeue(i, temp.level);62 }63 64 //默认500条写入一次文件65 List<int> batch = new List<int>();66 67 //记录下次应该从哪一个队列中提取数据68 int nextIndex = 0;69 70 while (queueControl.Count() > 0)71 {72 //从中转器中提取数据73 var single = queueControl.Dequeue();74 75 //记录下一个队列总应该出队的数据76 nextIndex = single.t.Value;77 78 var nextData = list[nextIndex].Dequeue();79 80 //如果改对内弹出为null,则说明该队列已经,需要从nextIndex文件中读取数据81 if (nextData == null)82 {83 //如果该队列没有全部读取完毕84 if (!complete[nextIndex])85 {86 AddQueue(nextIndex, list, ref skip);87 88 //如果从文件中读取还是没有,则说明改文件中已经没有数据了89 if (list[nextIndex].Count() == 0)90 {91 complete[nextIndex] = true;92 allcomplete++;93 }94 else95 {96 nextData = list[nextIndex].Dequeue();97 }98 }99 } 100 101 //如果弹出的数不为空,则将该数入中转站 102 if (nextData != null) 103 { 104 //将要出队的数据 转入 中转站 105 queueControl.Eequeue(nextIndex, nextData.level); 106 } 107 108 batch.Add(single.level); 109 110 //如果batch=500,或者所有的文件都已经读取完毕,此时我们要批量刷入数据 111 if (batch.Count == batchCount || allcomplete == pageCount) 112 { 113 var sw = new StreamWriter(Environment.CurrentDirectory + "//result.txt", true); 114 115 foreach (var item in batch) 116 { 117 sw.WriteLine(item); 118 } 119 120 sw.Close(); 121 122 batch.Clear(); 123 } 124 } 125 126 Console.WriteLine("恭喜,外排序完毕!"); 127 Console.Read(); 128 } 129 130 #region 将数据加入指定编号队列 131 /// <summary> 132 /// 将数据加入指定编号队列 133 /// </summary> 134 /// <param name="i">队列编号</param> 135 /// <param name="skip">文件中跳过的条数</param> 136 /// <param name="list"></param> 137 /// <param name="top">需要每次读取的条数</param> 138 public static void AddQueue(int i, List<PriorityQueue<int?>> list, ref int[] skip, int top = 100) 139 { 140 var result = File.ReadAllLines((Environment.CurrentDirectory + "//" + (i + 1) + ".txt")) 141 .Skip(skip[i]).Take(top).Select(j => Convert.ToInt32(j)); 142 143 //加入到集合中 144 foreach (var item in result) 145 list[i].Eequeue(null, item); 146 147 //将个数累计到skip中,表示下次要跳过的记录数 148 skip[i] += result.Count(); 149 } 150 #endregion 151 152 #region 随机生成数据 153 /// <summary> 154 /// 随机生成数据 155 ///<param name="max">执行生成的数据上线</param> 156 /// </summary> 157 public static void CreateData(int max) 158 { 159 var sw = new StreamWriter(Environment.CurrentDirectory + "//demo.txt"); 160 161 for (int i = 0; i < max; i++) 162 { 163 Thread.Sleep(2); 164 var rand = new Random((int)DateTime.Now.Ticks).Next(0, int.MaxValue >> 3); 165 166 sw.WriteLine(rand); 167 } 168 sw.Close(); 169 } 170 #endregion 171 172 #region 将数据进行分份 173 /// <summary> 174 /// 将数据进行分份 175 /// <param name="size">每页要显示的条数</param> 176 /// </summary> 177 public static int Split(int size) 178 { 179 //文件总记录数 180 int totalCount = 0; 181 182 //每一份文件存放 size 条 记录 183 List<int> small = new List<int>(); 184 185 var sr = new StreamReader((Environment.CurrentDirectory + "//demo.txt")); 186 187 var pageSize = size; 188 189 int pageCount = 0; 190 191 int pageIndex = 0; 192 193 while (true) 194 { 195 var line = sr.ReadLine(); 196 197 if (!string.IsNullOrEmpty(line)) 198 { 199 totalCount++; 200 201 //加入小集合中 202 small.Add(Convert.ToInt32(line)); 203 204 //说明已经到达指定的 size 条数了 205 if (totalCount % pageSize == 0) 206 { 207 pageIndex = totalCount / pageSize; 208 209 small = small.OrderBy(i => i).Select(i => i).ToList(); 210 211 File.WriteAllLines(Environment.CurrentDirectory + "//" + pageIndex + ".txt", small.Select(i => i.ToString())); 212 213 small.Clear(); 214 } 215 } 216 else 217 { 218 //说明已经读完了,将剩余的small记录写入到文件中 219 pageCount = (int)Math.Ceiling((double)totalCount / pageSize); 220 221 small = small.OrderBy(i => i).Select(i => i).ToList(); 222 223 File.WriteAllLines(Environment.CurrentDirectory + "//" + pageCount + ".txt", small.Select(i => i.ToString())); 224 225 break; 226 } 227 } 228 229 return pageCount; 230 } 231 #endregion 232 } 233 }
优先队列:
1 using System;2 using System.Collections.Generic;3 using System.Linq;4 using System.Text;5 using System.Diagnostics;6 using System.Threading;7 using System.IO;8 9 namespace ConsoleApplication210 {11 public class PriorityQueue<T>12 {13 /// <summary>14 /// 定义一个数组来存放节点15 /// </summary>16 private List<HeapNode> nodeList = new List<HeapNode>();17 18 #region 堆节点定义19 /// <summary>20 /// 堆节点定义21 /// </summary>22 public class HeapNode23 {24 /// <summary>25 /// 实体数据26 /// </summary>27 public T t { get; set; }28 29 /// <summary>30 /// 优先级别 1-10个级别 (优先级别递增)31 /// </summary>32 public int level { get; set; }33 34 public HeapNode(T t, int level)35 {36 this.t = t;37 this.level = level;38 }39 40 public HeapNode() { }41 }42 #endregion43 44 #region 添加操作45 /// <summary>46 /// 添加操作47 /// </summary>48 public void Eequeue(T t, int level = 1)49 {50 //将当前节点追加到堆尾51 nodeList.Add(new HeapNode(t, level));52 53 //如果只有一个节点,则不需要进行筛操作54 if (nodeList.Count == 1)55 return;56 57 //获取最后一个非叶子节点58 int parent = nodeList.Count / 2 - 1;59 60 //堆调整61 UpHeapAdjust(nodeList, parent);62 }63 #endregion64 65 #region 对堆进行上滤操作,使得满足堆性质66 /// <summary>67 /// 对堆进行上滤操作,使得满足堆性质68 /// </summary>69 /// <param name="nodeList"></param>70 /// <param name="index">非叶子节点的之后指针(这里要注意:我们71 /// 的筛操作时针对非叶节点的)72 /// </param>73 public void UpHeapAdjust(List<HeapNode> nodeList, int parent)74 {75 while (parent >= 0)76 {77 //当前index节点的左孩子78 var left = 2 * parent + 1;79 80 //当前index节点的右孩子81 var right = left + 1;82 83 //parent子节点中最大的孩子节点,方便于parent进行比较84 //默认为left节点85 var min = left;86 87 //判断当前节点是否有右孩子88 if (right < nodeList.Count)89 {90 //判断parent要比较的最大子节点91 min = nodeList[left].level < nodeList[right].level ? left : right;92 }93 94 //如果parent节点大于它的某个子节点的话,此时筛操作95 if (nodeList[parent].level > nodeList[min].level)96 {97 //子节点和父节点进行交换操作98 var temp = nodeList[parent];99 nodeList[parent] = nodeList[min]; 100 nodeList[min] = temp; 101 102 //继续进行更上一层的过滤 103 parent = (int)Math.Ceiling(parent / 2d) - 1; 104 } 105 else 106 { 107 break; 108 } 109 } 110 } 111 #endregion 112 113 #region 优先队列的出队操作 114 /// <summary> 115 /// 优先队列的出队操作 116 /// </summary> 117 /// <returns></returns> 118 public HeapNode Dequeue() 119 { 120 if (nodeList.Count == 0) 121 return null; 122 123 //出队列操作,弹出数据头元素 124 var pop = nodeList[0]; 125 126 //用尾元素填充头元素 127 nodeList[0] = nodeList[nodeList.Count - 1]; 128 129 //删除尾节点 130 nodeList.RemoveAt(nodeList.Count - 1); 131 132 //然后从根节点下滤堆 133 DownHeapAdjust(nodeList, 0); 134 135 return pop; 136 } 137 #endregion 138 139 #region 对堆进行下滤操作,使得满足堆性质 140 /// <summary> 141 /// 对堆进行下滤操作,使得满足堆性质 142 /// </summary> 143 /// <param name="nodeList"></param> 144 /// <param name="index">非叶子节点的之后指针(这里要注意:我们 145 /// 的筛操作时针对非叶节点的) 146 /// </param> 147 public void DownHeapAdjust(List<HeapNode> nodeList, int parent) 148 { 149 while (2 * parent + 1 < nodeList.Count) 150 { 151 //当前index节点的左孩子 152 var left = 2 * parent + 1; 153 154 //当前index节点的右孩子 155 var right = left + 1; 156 157 //parent子节点中最大的孩子节点,方便于parent进行比较 158 //默认为left节点 159 var min = left; 160 161 //判断当前节点是否有右孩子 162 if (right < nodeList.Count) 163 { 164 //判断parent要比较的最大子节点 165 min = nodeList[left].level < nodeList[right].level ? left : right; 166 } 167 168 //如果parent节点小于它的某个子节点的话,此时筛操作 169 if (nodeList[parent].level > nodeList[min].level) 170 { 171 //子节点和父节点进行交换操作 172 var temp = nodeList[parent]; 173 nodeList[parent] = nodeList[min]; 174 nodeList[min] = temp; 175 176 //继续进行更下一层的过滤 177 parent = min; 178 } 179 else 180 { 181 break; 182 } 183 } 184 } 185 #endregion 186 187 #region 获取元素并下降到指定的level级别 188 /// <summary> 189 /// 获取元素并下降到指定的level级别 190 /// </summary> 191 /// <returns></returns> 192 public HeapNode GetAndDownPriority(int level) 193 { 194 if (nodeList.Count == 0) 195 return null; 196 197 //获取头元素 198 var pop = nodeList[0]; 199 200 //设置指定优先级(如果为 MinValue 则为 -- 操作) 201 nodeList[0].level = level == int.MinValue ? --nodeList[0].level : level; 202 203 //下滤堆 204 DownHeapAdjust(nodeList, 0); 205 206 return nodeList[0]; 207 } 208 #endregion 209 210 #region 获取元素并下降优先级 211 /// <summary> 212 /// 获取元素并下降优先级 213 /// </summary> 214 /// <returns></returns> 215 public HeapNode GetAndDownPriority() 216 { 217 //下降一个优先级 218 return GetAndDownPriority(int.MinValue); 219 } 220 #endregion 221 222 #region 返回当前优先队列中的元素个数 223 /// <summary> 224 /// 返回当前优先队列中的元素个数 225 /// </summary> 226 /// <returns></returns> 227 public int Count() 228 { 229 return nodeList.Count; 230 } 231 #endregion 232 } 233 }
转载于:https://www.cnblogs.com/lonelyxmas/p/4228225.html
经典算法题每日演练——第十八题 外排序相关推荐
- 经典算法题每日演练——第二十二题 奇偶排序
原文:经典算法题每日演练--第二十二题 奇偶排序 这个专题因为各种原因好久没有继续下去了,MM吧...你懂的,嘿嘿,不过还得继续写下去,好长时间不写,有些东西有点生疏了, 这篇就从简单一点的一个&qu ...
- 经典算法题每日演练——第十九题 双端队列
经典算法题每日演练--第十九题 双端队列 原文:经典算法题每日演练--第十九题 双端队列 话说大学的时候老师说妹子比工作重要~,工作可以再换,妹子这个...所以...这两个月也就一直忙着Fall in ...
- 经典算法题每日演练——第二十四题 梳排序
这篇再看看一个经典的排序,梳排序,为什么取名为梳,可能每个梳都有自己的gap吧,大梳子gap大一点,小梳子gap小一点. 上一篇我们看到鸡尾酒排序是在冒泡排序上做了一些优化,将单向的比较变成了双向,同 ...
- 经典算法题每日演练——第十题 树状数组
原文:经典算法题每日演练--第十题 树状数组 有一种数据结构是神奇的,神秘的,它展现了位运算与数组结合的神奇魅力,太牛逼的,它就是树状数组,这种数据结构不是神人是发现不了的. 一:概序 假如我现在有个 ...
- 经典算法题每日演练——第六题 协同推荐SlopeOne 算法
原文:经典算法题每日演练--第六题 协同推荐SlopeOne 算法 相信大家对如下的Category都很熟悉,很多网站都有类似如下的功能,"商品推荐","猜你喜欢&quo ...
- 经典算法题每日演练——第一题 百钱买百鸡
经典算法题每日演练--第一题 百钱买百鸡 原文:经典算法题每日演练--第一题 百钱买百鸡 百钱买百鸡的问题算是一套非常经典的不定方程的问题,题目很简单:公鸡5文钱一只,母鸡3文钱一只,小鸡3只一文钱, ...
- 经典算法题每日演练——第七题 KMP算法
原文:经典算法题每日演练--第七题 KMP算法 在大学的时候,应该在数据结构里面都看过kmp算法吧,不知道有多少老师对该算法是一笔带过的,至少我们以前是的, 确实kmp算法还是有点饶人的,如果说红黑树 ...
- 西安交大计算机考研软件工程编程题库(二十八)
西安交大计算机考研软件工程编程题库(二十八) 鄙人今年备考,主要目的在于记录学习历程,望道友们勿喷~ 希望能做到每日一题~ 开始炼丹~ 上篇链接:西安交大计算机考研软件工程编程题库(二十七) 下篇链接 ...
- 第五章第三十八题(十进制转换八进制)(Decimal to octal)
第五章第三十八题(十进制转换八进制)(Decimal to octal) **5.38(十进制转换为八进制)编写程序,提示用户输入一个十进制整数,然后显示对应的八进制值.在这个程序中不要使用Java的 ...
- 【JavaScript 逆向】猿人学 web 第十八题:jsvmp,洞察先机
案例目标 网址:第十八题 jsvmp 洞察先机 - 猿人学 本题目标:抓取 5 页数字,计算加和并提交结果 常规 JavaScript 逆向思路 一般情况下,JavaScript 逆向分为三步: 寻找 ...
最新文章
- Go 学习笔记(48)— Go 标准库之 time (获取时/分/秒的单位值、标准时间和Unix时间转换、字符串时间和Time类型转换、时区转换、时间的加减/休眠)
- php开发自学经典.pdf_PHP从入门到精通(第3版) PDF扫描版[45MB]
- 未能加载类型“URLRewriter.ModuleRewriter”。 解决方法
- Hibernate 3 入門
- [Web开发] 在网页中动态加入RSS feed 元素
- mysql与mimic安装_MIMIC专题 | MIMIC数据库的安装
- Navisworks Api Tool
- tg2015 信息传递 (洛谷p2661)
- 用开源项目PhotoView实现图片的双指缩放和双击放大缩小
- 代码 or 指令,浅析ARM架构下的函数的调用过程
- 西瓜书《机器学习》决策树IDW3, C4.5公式推导
- FusionCharts 技术文档-Jsp画图例子
- snmp的oid查询方法
- Mysql 常用命令
- DSP 2812: 使用C++封装SCI
- ZooX首发双向电动无人车,会成为自动驾驶出行的主流吗?
- iOS7 与 iOS8上 uisegementcontrol 设置image不显示问题
- 笔记本电脑蓝屏代码stop:0x0000007b(0xb84d3524,0xc0000034,0x00000000,0x00000000)
- 轻度折腾nuc8i5beh
- 苹果又来割韭菜?一块擦屏布卖145元,这玩意到底是不是智商税?