《编程珠玑（第二版）》读书笔记——第一章

  慢慢的学习算法中。。。有时候明明知道要这样去做，去学习，这样学习之后，会事半功倍，效率高，而当由于自己的懒惰或者其它情绪因素而做不到时，心里又懊悔又不知所措。。。人，或许就是有很多缺点，对自己要求很高，期待很高，有时候做不到，失望也就随之而来了。。。慢慢的进步吧，不急不躁。

  这本书，有的读的比较认真有的读的比较粗略，写个读书笔记，再把这本书带给自己的收获记录下来吧。。。

  第一章：开篇

  第一章以一个问题开始，启发人们如何把问题的定义跟直接的程序设计技术结合起来，从而得到更好的解决办法。“怎样给一个磁盘文件排序”

  当你听到时，你会怎么去解决呢？会马上想到归并排序吗？如果你想到了，也算一个解决思路。但是只是这样的一个问题，你有想过磁盘文件上的都是什么数据么？是整数，浮点数，还是字符串？显然对于你要真正排序的数据是很重要的。除了数据之外，还有一些其他的限制，比如，内存够不够大，能不能一次都读入内存，然后一起排序呢？如果可以一次读入内存，那就用常规的排序操作就可以了，比如：插入，快速，选择，冒泡等等。wait,当你要选择使用哪种算法的时候，有没有考虑到系统的整体要求呢？比如系统要求只能给你几十秒的时间，而你的算法却要几小时，几分钟，显然也是不能达到要求的。这些都是需要考虑的。

  让我们继续了解题意，只有真正把握了题目要求，才能真正的根据要求选择合适的算法，题目的定义是很重要的，包括：题目的输入数据是什么，题目的要求，题意是什么。题目的输出是什么，要以怎样的格式输出。另外，这个题目本身的约束是什么？

  通过了解可以总结出：

  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的7次方，不允许有重复的，而且也没有其他的数据与之相联系。（数的大小，多少）

  输出：按升序排列输出到文件中。

  约束：最多有1M的内存空间可用，有充足的磁盘空间。运行时间最多几分钟，如果只有10秒，就不用优化了。（空间跟时间的约束）

  算法：

  1.可能最先想到的是归并排序，读入输入文件一次，然后在工作文件的帮助下完成排序并写入输出文件一次。工作文件需要多次读写。

    这个办法，归并排序本身的算法需要O(nlogn)，然后还要有很多文件的读写操作，时间不符合条件。

  2.利用多趟算法，每次完成一步。因为这个待排序的数据都是整数，又根据内存1M的空间限制，可以分批读入数据然后分批排序分批读出。如果每个整数都用32位整数表示（即每个整数4个字节），那么1M的空间大概能存储250 000个整数，这样分40次就读入排序。第一次，将0—249 999之间的数据读入，然后利用快速排序，将这些数据（最多有250 000，因为不可能每个数据都有的嘿嘿）排序，然后输出到文件中。第二次，将250 000—499 999之间的数据读入内存，排序，输出。。。依次这样，就能完成所有数据的排序。

   然而，这需要40次读入输入文件，磁盘读取是很慢的，所以这个不算好的办法。

  3.位图数据结构。我们可以再次利用待排数据的特殊性，都是整数，所以出现了一种很巧妙的办法，就是利用位图这样的一种数据结构，比如，可以用10位长的字符串表示10以内的非负整数的集合。比如｛1，3，5，8，9｝则位图表示为：0，1，0，1，0，1，0，0，1，1

集合中有的，设置为1，集合中没有的设置为0，这样一次读取，就可以表示所有数据，并且按顺序输出，此时已经排好序了。

    这是个很巧妙的办法，没有了，一般排序的比较，移动的过程，明显效率会高很多，但是也有一定的限制：只有输入文件的所有整数都可以在可用的1M空间内表示的时候，才能用这种方法，否则是不行的。而且这个特殊的例子是必须是整数，而且范围比较小，而且没有重复，没有其他数据与之相联系。

    这个办法跟我之前写过的，基数排序，计数排序，桶排序，思路是很相像的。

  而有的时候这个办法是很有用的，一次输入，就能排好序，不用比较移动，但是好用的一般规矩比较多，比如二分查找。嘿嘿。

还有一个问题：就是如果数据无法在仅有的1M可用空间内表示，假如数据需要1.5M，那该怎样呢？显然此时，不能用位图数据结构了，只能用多趟算法了。

测试用例：包含100万个整数的文件，其中每个都小于1000万，比较了系统排序、C++/STL，C/qsort,位图的时空开销

 

               系统排序  C++/STL  C/qsort   位图

 总时间开销（秒）   89      38      12.6    10.7

 计算时间开销      79      28      2.4     0.5

 空间开销（MB）    0.8     70      4        1.25

 

尽管位图的办法，时空开销都比其他的少了一个数量级，但是这个的限制是灰常多的，但是一旦够条件，还是很好用的，而C++的虽然比C的要开销大，但是代码要短很多，因为C++/STL可以用set集合，可以直接调用函数即可，所以代码量很小。

 

课后都是此类题的变体，但还有一个比较不错的题：

商店允许客户通过电话订购商品，并在几天后上门取货，商店的数据库用客户的电话号码作为检索的关键字（客户知道她们自己的号码，而且每个号码都是唯一的），如何组织，可以高效的插入和检索操作？

此时，不能再考虑位图了，因为客户数量，你是不知道的，小了不够用，大了浪费。所以考虑其他的。这里说了，高效的插入和检索，主要还是查找么，高效的查找，一般考虑散列，如何利用散列呢，首先，号码的后两位几乎是随机的，而前几位则不是（想想你家跟邻居的座机号码），所以后两位就是现成的随机函数，然后构造10*10的数组，然后依次放入，如果有重复的，就依次放入。查找的时候，先定位到那里，然后对相同的（也就是冲突的部分）进行顺序检索。这样很高效，这就是经典的“用顺序搜索解决冲突的开散列”