排序算法-四种常用外部排序算法

1. 排序算法的类型

1. 内部排序：数据都在内存中。

2. 外部排序：数据太多，无法全部放入内存。

2. 外存和内存数据交换原理

操作系统以“块”为单位对磁盘存储空间进行管理，每块磁盘存储不同数据；磁盘的读/写以“块”为单位，数据读入内存后才能被修改，修改完了再写回磁盘。

3. 外部排序算法有哪些？

1. 多路归并
2. 多路平衡归并
3. 败者树
4. 置换-选择排序
5. 最佳归并树

4. 多路归并

算法思路：使用多路归并算法，在内存中划分k个输入缓冲区和1个输出缓存区，每次从外存中读入k个段，对k个段进行归并，最终经过s 轮归并后只剩一个段，即完成整个外部排序。步骤如下：
①　生成r个初始归并段(对L个记录进行内部排序，组成一个有序的初始归并树。
②　进行s趟k路归并，s=[logk®]

5. 多路平衡归并

定义：
①　最多只能有k个段归并为一个；
②　每一趟归并中，若m个归并段参与归并，经过这一趟处理得到[m/k]个新的归并段。
例子：
第一轮归并共有8个归并段，4路归并，最终得到的是8/4个新的归并段，以下就是一个4路平衡归并排序。

以下特殊例子属于4路归并排序，而不是4路平衡归并排序。

优化：归并趟数S=【logkr】,归并路数k增加，归并趟数S减少，读写磁盘总次数减少，从而降低时间开销。
缺点：使用k路平衡归并策略，选出一个最小元素需要对比关键字（k-1）次，导致内部归并所需时间增加，例如8路归并，从8个归并段选出一个最小元素就需要对比关键字7次。

6. 败者树

定义： 败者树是树形选择排序的一种变体，可视为一颗完全二叉树（多了一个头头）。通过败者树可以降低k个归并段中选出最小元素所需要对比关键字的次数。
算法思路： k个叶节点分别对应k个归并段中当前参加比较的元素，非叶节点用来记忆左右子树中的“失败者”，而让胜者往上比较，一直到根结点，如下图所示：

优点： 对于k路归并，第一次构造败者树需要对比关键字k-1次，有了败者树，选出最小元素，只需要对比关键字[log2k]次，可以让多路平衡归并的关键字对比次数更少。

7. 置换-选择排序

算法思路： 设初始待排文件为FI，初始归并段输出文件为FO，创建内存工作区为WA，FO和WA的初始状态为空，WA可容纳w个记录，置换步骤如下：
①　从F1输入w个记录到工作区WA。

②　从WA中选取其中关键字取值最小的记录，记为MINIMAX记录。
③　将MINIMAX记录输出到FO中去。

④　若FI不空，则从FI输入下一个记录到WA中。
⑤　从WA中所有关键字比MINIMAX记录的关键字大的记录中选出最小关键字记录，作为新的MINIMAX记录。

⑥　重复（3）-（5），直到在WA中选不出新的MINIMAX记录为止，由此得到一个初始归并段，输出一个归并段的结束标志到FO中去。

⑦　重复（2）-（6），直到WA为空。由此得到全部初始归并段。

优点： 解决多路归并排序内存工作区大小限制的问题。

8. 最佳归并树

定义： 最佳归并树就是将所有待归并序列构建成一个哈夫曼树，使其归并排序所调用的磁盘操作次数达到最小。

算法思路： 构造k叉哈夫曼树，每次选k个根结点权重最小的树合并，并将k个根结点的权值之和作为新的结点的权值，如下图：

注意： 对于k叉归并，若初始归并段的数量无法构成严格的k叉归并树，则需要补充几个长度为0的“虚段”，再进行k叉哈夫曼树的构造，如下所示：

排序算法-8种常见内部排序算法和4种外部排序算法