思路1:利用堆排序实现
(1)取前m个元素(例如m=100),建立一个小顶堆。保持一个小顶堆得性质的步骤,运行时间为O(lgm);建立一个小顶堆运行时间为m*O(lgm)=O(m lgm);
(2)顺序读取后续元素,直到结束。每次读取一个元素,如果该元素比堆顶元素小,直接丢弃。如果大于堆顶元素,则用该元素替换堆顶元素,然后保持最小堆性质。最坏情况是每次都需要替换掉堆顶的最小元素,因此需要维护堆的代价为(N-m)*O(lgm);最后这个堆中的元素就是10亿个数据中最大的100个。时间复杂度为O(N lgm)。
public class HeapSelect {
public static void main(String[] args) {
// 假设数组arrs中存储10亿个数字,(这里用100个数代替)
int[] arrs = new int[100];
for (int i = 0; i < arrs.length; i++) {
arrs[i] = (int) (Math.random() * 1000);
}
// 先取出10个数字,构建最小堆
int[] arr = new int[10];
for (int i = 0; i < arr.length; i++) {
arr[i] = arrs[i];
}
HeapSelect heapSelect = new HeapSelect();
heapSelect.heapSort(arr, arr.length - 1);
for (int i = 10; i < arrs.length; i++) {
if (arrs[i] > arr[0]) {
arr[0] = arrs[i];
heapSelect.heapSort(arr, arr.length - 1);
}
}
}
public void heapSort(int[] arrays, int e) {
if (e > 0) {
initSort(arrays, e);// 初始化堆,找出最大的放在堆顶
// snp(arrays);
arrays[0] = arrays[e] + arrays[0];
arrays[e] = arrays[0] - arrays[e];
arrays[0] = arrays[0] - arrays[e];
// snp(arrays);
heapSort(arrays, e - 1);
} else {
// snp(arrays);
}
}
public void initSort(int[] arrays, int e) {
int m = (e + 1) / 2;
for (int i = 0; i < m; i++) {
boolean flag = buildHeap(arrays, e, i);
// 如果孩子之间有交换,就要重新开始
if (flag) {
i = -1;
}
}
}
// 返回一个标记,如果有根与孩子交换就要重新从顶根开始查找不满足最大堆树结构
public boolean buildHeap(int arrays[], int e, int i) {
int l_child = 2 * i + 1;// 左孩子
int r_child = 2 * i + 2;// 右孩子
if (r_child > e) { // 判断是否有右孩子,没有右孩子的话直接比较左孩子,小于左孩子则交换
if (arrays[i] < arrays[l_child]) {
arrays[i] = arrays[i] + arrays[l_child];
arrays[l_child] = arrays[i] - arrays[l_child];
arrays[i] = arrays[i] - arrays[l_child];
return true;
} else {
return false;
}
}
// 在根与两个孩子之间找出最大的那个值进行交换
if (arrays[i] < arrays[l_child]) {
if (arrays[l_child] > arrays[r_child]) {
// 交换根与左孩子的值
arrays[i] = arrays[i] + arrays[l_child];
arrays[l_child] = arrays[i] - arrays[l_child];
arrays[i] = arrays[i] - arrays[l_child];
return true;
} else {
// 交换根与右孩子的值
arrays[i] = arrays[i] + arrays[r_child];
arrays[r_child] = arrays[i] - arrays[r_child];
arrays[i] = arrays[i] - arrays[r_child];
return true;
}
} else if (arrays[i] < arrays[r_child]) {
// 交换根与右孩子的值
arrays[i] = arrays[i] + arrays[r_child];
arrays[r_child] = arrays[i] - arrays[r_child];
arrays[i] = arrays[i] - arrays[r_child];
return true;
}
return false;
}// buildHeap
}
思路2:根据快速排序划分的思想
(1)递归对所有数据分成[a,b)b(b,d]两个区间,(b,d]区间内的数都是大于[a,b)区间内的数
(2)对(b,d]重复(1)操作,直到最右边的区间个数小于100个。注意[a,b)区间不用划分
(3)返回上一个区间,并返回此区间的数字数目。接着方法仍然是对上一区间的左边进行划分,分为[a2,b2)b2(b2,d2]两个区间,取(b2,d2]区间。如果个数不够,继续(3)操作,如果个数超过100的就重复1操作,直到最后右边只有100个数为止。
基于该思想,下面的例子中我们将尝试在100个数里面找出10个最大的数
public class QuickSelect {
public static void main(String[] args) {
int[] array = new int[100];
for (int i = 0; i < array.length; i++) {
array[i] = (int) (Math.random() * 1000);
}
quickSort(array, 0, array.length - 1);
for (int i = array.length-10; i < array.length; i++) {// 数组后10位数既是最大的10位数
System.out.print(array[i] + " ");
}
}
private static int len = 10;
/**
* 多次调用快排,将数组中最大的10位数移动至最右边。
*
* @param array
* @param left
* @param right
*/
public static void quickSort(int[] array, int left, int right) {
int pivot;
if (left < right) {
pivot = partition(array, left, right);//取出枢轴
if (right - pivot + 1 > len) {//如果pivot右边的数大于10个,再次重复操作(1)
quickSort(array, pivot + 1, right);
} else if (right - pivot + 1 < len) {//pivot右边的数小于10个,执行操作(2)
len = len - (right - pivot + 1);
quickSort(array, left, pivot - 1);
}
// 对左右数组递归调用快速排序,直到顺序完全正确
}
}
/**
* pivotValue作为枢轴,较之小的元素排序后在其左,较之大的元素排序后在其右
*
* @param array
* @param left
* @param right
* @return
*/
public static int partition(int[] array, int left, int right) {
int pivot = array[left];
while (left < right) {
while (left < right && array[right] >= pivot) {
--right;
}
// 将比枢轴小的元素移到低端,此时right位相当于空,等待低位比pivot大的数补上
array[left] = array[right];
while (left < right && array[left] <= pivot) {
++left;
}
// 将比枢轴大的元素移到高端,此时left位相当于空,等待高位比pivot小的数补上
array[right] = array[left];
}
// 当left == right,完成一趟快速排序,此时left位相当于空,等待pivotkey补上
array[left] = pivot;
return left;
}
}
思路3:分块查找
先把10亿个数分成100份,每份1000w个数,然后在1000w个数中分别找出最大的100个数,最后在100*100个数中找出最大的100个。这里我想可以用分布式的处理,多台主机才会更快。