编程珠玑开篇--磁盘文件排序问题

输入:

所输入的文件,至多包含n个正整数,每个正整数都小于n,题目中n = 10^7,如果输入时某个正整数重复出现俩次,就会产生致命的错误,这些整数,与其他任何数据都不相关.

输出:

以增序形式输出经过排序的整数列表

约束

至多只有1MB(包括程序本身)可用的主存,但是可以用的磁盘空间是充足的,运行时间至多几分钟,10秒针是最适宜的运行时间.

作者第一个方案使用基于磁盘的合并排序.将每个号码用32位整数表示,可以在1MB的空间里存储250000个号码,使用一个带有40个通道的程序,在第一个通道中将前250000的任意整数读入内存,并对它们进行排序,可以使用高效的快速排序,但是完成整个任务,我们要牺牲读文件40次的代价.最后作者引出了另外一种解决方案位图和位向量:

我们可以用一个20位的字符串可以表示小于20的非负数集合.例如,我们可以将集合{1,2,3,5,8,13}存储在下面字符串中:

集合中代表数字的各个位设置为1 ,而其他的位全部设置为0

     在上面问题中,我们使用一千万位的字符串表示该文件,当且仅当整数i在该文件中的时候,第i位才被设置为1,这种表示法使用了这个问题中的三中属性,输入的范围相对小一些,并且还不包括重复的数据,而且没有数据和单个整数以外的每一记录相关联

算法实现分三阶段

1 设置每个位为0

2 读取文件,将相应的位设置为1

3 检查每个位,当为1时,将整数写入

这些函数使用常量来设置，清除并测试位值

#define BITSPEREORD 32 // the type int contains 32 bits 
#define SHIFT  5 // pow(2,5)
#define MASK 0X1F //00011111
#define NUMBER 10000000
int bitBuffer[ 1 + NUMBER / BITSPEREORD ] ;


void clr( int i ) //set every bit 0 
{
   bitBuffer [ i >> SHIFT ] &= ~ ( 1 << ( i & MASK )) ;  
}
//i & MASK 相当于 i mod 32

void set ( int i ) //set the n bits 1  
{ 
     bitBuffer [ i >> SHIFT ] |=  ( 1 << ( i & MASK )) ;
}


int test( int i ) //read the sort number from bitBuffer 
{
  return bitBuffer [ i >> SHIFT ] & ( 1 << ( i & MASK )) ;
}

通过位运算实现的上面的排序算法如下：

int main () 
{
  int i ;
  for (  i = 0 ; i < NUMBER ; i ++ )
  {
     clr(i);
  }
  while(scanf("%d",&i) != EOF )
  {
     set( i );
  }
  for ( i = 0 ; i < NUMBER ;i ++ )
  {
     if (test(i))
   printf("%d/n",i);
  }
  return 0 ;
}
使用一个包含100万个不重复正整数的文件且每个正整数都小于1000万进行测试：下表报告了使用
系统命令行排序，C++和C的排序程序，位运算的排序成本

   
   
       
系统排序
C++/STL
C/qsort
C/位运算
总时间（秒）
89
38
12.6
10.7
计算时间（秒）
79
28
2.4
0.5
MB
0.8
70
4
1.25