【编程珠玑-读书笔记】用位图解决排序问题--仔细分析问题的重要性

开始读《编程珠玑》，刚看完开篇就觉得很开心。

作者从“A Friendly Conversation”讲起，大概是这样子的：

一个programmer问作者：“How do I sort a disk file?”

于是作者简要介绍了一下如何在磁盘中实现Merge Sort，并建议他先钻研下算法课本。然而programmer关注的是如何解决问题，而不是进一步学习。流行的磁盘排序程序大约10多个函数，200行程序代码，实现和测试这部分代码估计不超过1星期。

进一步的对话中，作者了解到，排序的文件包含至多10000000个记录，每条记录都是一个7位整数，数字不重复。而且至多只有1MB的可用主存。

于是问题开始清晰了，因为是整数排序，所有需要的代码量相应减少，执行速度也快了很多，但是调试仍需要一定时间。

第二个方案则是，用40个通道依次将整数读到主存中并排序输出(用32位整数表示每个号码，1MB空间可以存储250000个号码。)在主存中，快排效率是很高的，而且代码简单。

对比上述两种方案，第一种从输入中一次性读取文件，然后在工作文件的辅助下进行排序（工作文件会进行多次读取与写入操作），之后对文件一次性输出。

第二种则需要多次读取输入文件，不使用中间文件。只进行一次输出文件操作。

是否有第三种方法，能够结合以上两者的优势->一次性读取，不使用中间文件呢？

只有当输入文件的所有整数都可以存放（或者说，表示）在可用的主存空间内时，我们才可以实现第三种。

于是问题变为：如何将至多一千万个不同整数表示在大约八百万可用的比特中。

位图

简单的来讲，我们可以使用一个20位的字符串来表示一个小于20的非负整数集合，例如集合{1,2,3,5,8,13}表示为：

0 1 1 1 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0 0

由于7位十进制数表示了一个小于千万的数字，所以我们可以使用一个具有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，第i个位才设为1。

算法：

for i = [0,n)
    bit[i] = 0
for each i in the input file
    bit[i] = 1
for i = [0,n)
    if bit[i] == 1
        write i on the output file

位图局限性：

输入范围相对要小一些，不能包含重复数据，没有数据与整数记录相关联。

感言

从最初的磁盘归并排序，到主存的快速排序，再到位图，最后使用位图这一点让我眼前一亮。前两种方法一般情况下都很容易想到，但是其简洁程度远比不上位图的解决方法。从本例中也看出，对问题的描述和定义是如此的重要。如作者所说：“Defining the problem was about ninety percent of this battle!”

如果没有后面的对话，问题仅仅是“How do I sort a disk file?”这无疑是绕了许多弯路。

位图数据结构有其局限性，也有其奇妙之处，我们需要做的是在适当的问题中选取适当的数据结构，灵活应对~