图解外部排序之替换选择

阅读说明：
本文总结自《数据结构与算法分析（C++语言描述）》第四版第7章外部排序的内容。

• 简单了解
• 替换选择之最小堆
• 替换选择构造详解

[上一篇][1]文章已经剖析过外部排序的两种优化策略，多路合并（减少合并所需趟数）和多相合并（减少所需磁带数），今天介绍另外一种优化策略——替换选择（减少合并所需趟数）。

简单了解

替换选择从顺串的构造入手，即考虑每一趟排序中如何构造记录数更多的顺串。先复习下顺串的概念——一组排过序的记录，也就是有序的记录集。
无序的原始数据

在内存容量为 3 个记录大小 时，两路合并产生的 5 个顺串如下，

从上一篇多路合并的例子可以看出，除第一趟外，每趟的第一个顺串均比前一趟的第一顺串的记录数多，
第一趟，第一个顺串长度为3，如下

第二趟，第一个顺串长度为6，如下

因此大胆假设，如果能构造出包含更多记录数的初始顺串，就能减少总趟数。替换选择平均能产生 2 倍于内存容量大小的顺串，但这是有条件的，那就是输入数据常常是已排序或几乎被排序（书上原文，本人没懂）。

替换选择之最小堆

使用最小堆来实现替换选择。
在标准的外排中，一次读入内存可容纳的 M 个记录，排序完依次输出到空磁带上；但这里其实有个小技巧，排完序后输出第一个记录到磁带上时，内存让出了一个记录的空间，这时我们可以从输入磁带取出一个记录，判断它是否大于刚输出的记录，若是，说明它可以放入当前顺串中（顺串是从小到大有序），否则，应暂存内存，等下一个顺串的构造；
这里暂存内存书上讲是放在最小堆的死区（dead space），但是并未解释死区是什么，我认为是最小堆执行 deleteMin 操作后让出来的位置，也就是 deleteMin 之前堆的最后一个元素的位置。如下所示，最小堆的 一次 deleteMin操作，

替换选择构造详解

初始顺串的构造详解，绿色箭头表示当前输入状态，Tbn 表示输出状态，内存缓冲表示当前内存中存在的记录（括号内记录表示存在最小堆的死区）

从上图可知，与标准顺串构造方式生成的 5 个顺串相比，替换选择构造的初始顺串记录数更多，顺串数更少，只有 3 个，且前者需要 12 趟完成排序，替换选择只需 3 趟。

外部排序剖析-以磁带为例