问题描述
输入:一个最多包含n个正整数的文件,每个数都小于n,其中n=10^7。如果在输入文件中有任何正数重复出现就是致命错误。没有其他数据与该正数相关联。
输出:按升序排列的输入正数的列表。
约束:最多有1MB的内存空间可用,有充足的磁盘存储空间可用。运行时间最多几分钟,运行时间为10秒就不需要进一步优化。
程序设计与实现概要:
应用位图或位向量表示集合。可用一个10位长的字符串来表示一个所有元素都小于10的简单的非负整数集合,例如,可以用如下字符串表示集合{1,2,4,5,8}:
0 1 1 1 0 1 0 0 1 0 0
代表集合中数值的位都置为1,其他左所有的位置为0.编程珠玑当中建议是一年个一个具有1000万个位的字符串来表示这个文件,那么这个文件的所占容量为10000000 bit=10^7bit,不到1MB的大小,其中,当且精当整数i在文件中存在,第i为1,这个表示利用了该问题的三个在排序问题中不常见的属性:输入数据限制在相对较小的范围内;数据没有重复;而且对于每条记录而言,除了单一个整数外没有其他关联数据。
如给定表示文件中整数集合的位图数据结构,则可以分三个阶段来编写程序
第一阶段:将所有的位都置为0,从而将集合初始化为空。
第二阶段:通过读入文件中的每个整数来建立集合,将每个对应的位置都置为1。
第三阶段:检验每一位,如果该为为1,就输出对应的整数,有此产生有序的输出文件。
下面的C语言的实现和C++的实现代码
C语言:
所申请的int数组如下所示:
32位机器上,一个整形,比如int a; 在内存中占32bit位,可以用对应的32bit位对应十进制的0-31个数,bitmap算法利用这种思想处理大量数据的排序与查询.
字节位置=数据/32;(采用位运算即右移5位)
位位置=数据%32;(采用位运算即跟0X1F进行与操作)。
优点:
1.运算效率高,不许进行比较和移位;
2.占用内存少,比如N=10000000;只需占用内存为N/8=1250000Byte=1.25M。
缺点:所有的数据不能重复。即不可对重复的数据进行排序和查找。
如给定表示文件中整数集合的位图数据结构,则可以分三个阶段来编写程序:
第一阶段:将所有的位都置为0,从而将集合初始化为空。
第二阶段:通过读入文件中的每个整数来建立集合,将每个对应的位置都置为1。
第三阶段:检验每一位,如果该为为1,就输出对应的整数,有此产生有序的输出文件。
字节位置=数据/32;(采用位运算即右移5位)
位位置=数据%32;(采用位运算即跟0X1F进行与操作)。
思想比较简单,关键是十进制和二进制bit位需要一个map图,把十进制的数映射到bit位。
下面详细说明这个map映射表。
map映射表
假设需要排序或者查找的总数N=10000000,那么我们需要申请内存空间的大小为int a[1 + N/32],
其中:a[0]在内存中占32为可以对应十进制数0-31,依次类推:
bitmap表为:
a[0]———>0-31
a[1]———>32-63
a[2]———>64-95
a[3]———>96-127
……….
那么十进制数如何转换为对应的bit位,下面介绍用位移将十进制数转换为对应的bit位。
位移转换
1.求十进制0-N对应在数组a中的下标:
十进制0-31,对应在a[0]中,先由十进制数n转换为与32的余可转化为对应在数组a中的下标。
比如n=24,那么 n/32=0,则24对应在数组a中的下标为0。又比如n=60,那么n/32=1,
则60对应在数组a中的下标为1,同理可以计算0-N在数组a中的下标。
2.求0-N对应0-31中的数:
十进制0-31就对应0-31,而32-63则对应也是0-31,即给定一个数n可以通过模32求得对应0-31中的数。
3.利用移位0-31使得对应32bit位为1.
解析:void set(int i) { a[i>>SHIFT] |= (1<<(i & MASK)); }
1.i>>SHIFT:
其中SHIFT=5,即i右移5为,2^5=32,相当于i/32,即求出十进制i对应在数组a中的下标。 比如i=20,通过i>>SHIFT=20>>5=0 可求得i=20的下标为0;
2.i & MASK:
其中MASK=0X1F,十六进制转化为十进制为31,二进制为0001 1111,i&(0001 1111)相当于保留i的后5位。 比如i=23,二进制为:0001 0111,那么 0001 0111 & 0001 1111 = 0001
0111 十进制为:23 比如i=83,二进制为:0000 0000 0101 0011,那么 0000 0000 0101 0011 &
0000 0000 0001 0000 = 0000 0000 0001 0011 十进制为:19 i & MASK相当于i%32。3.1<<(i & MASK)
相当于把1左移 (i & MASK)位。 比如(i & MASK)=20,那么i<<20就相当于: 0000 0000 0000 0000 0000 0000 0000 0001 >>20
=0000 0000 0000 1000 0000 0000 0000 00004.void set(int i)
{ a[i>>SHIFT] |= (1<<(i & MASK)); }等价于: void set(int i) { a[i/32] |= (1<<(i%32)); }
#include <iostream>
#include <algorithm>
#include <ctime>
using namespace std;
#define DATA_NUM 100000
#define SHIFT 5
#define MASK 0x1f
int bigrand()
{
return rand()*RAND_MAX + rand() + rand();
}
int randint(int m, int n)
{
return (bigrand() % (n - m) + m);
}
void make_data(int num)
{
int *temp = new int[DATA_NUM];
if (temp == NULL)
{
cout << "new error in make_data!" << endl;
return;
}
for (int i = 0; i < DATA_NUM; i++)
{
temp[i] = i + 1;
}
for (int i = 0; i < DATA_NUM; i++)
{
swap(temp[i], temp[randint(i, DATA_NUM)]);
}
FILE *fp;
fp = fopen("data.txt", "w");
if (fp == NULL)
{
cout << "fopen() error int make_data!" << endl;
}
for (int i = 0; i < DATA_NUM; i++)
{
fprintf(fp, "%d ", temp[i]);
}
fclose(fp);
cout << "随机数文件生成成功!" << endl;
}
void set(int *bigMap,int i)
{
bigMap[i >> SHIFT] |= (1 << (i&MASK));
}
void clr(int *bigMap, int i)
{
bigMap[i >> SHIFT] &= ~(1 << (i&MASK));
}
int test(int *bigMap, int i)
{
return bigMap[i >> SHIFT] & (1 << (i&MASK));
}
void bigMapSort()
{
int bigmap[DATA_NUM];
for (int i = 0; i < DATA_NUM; i++)
{
clr(bigmap, i);
}
FILE *fpsrc;
fpsrc = fopen("data.txt", "r");
if (fpsrc == NULL)
{
cout <<