外部排序1

由于内存空间小，对于存储在硬盘上的数据进行排序要用到外部排序。

一个简单的外部排序思路是：将硬盘上的大数据分段进行内部排序，结果得到n个排好序的归并段（顺串），然后再对这些归并段进行归并排序。假设用k路归并排序，则需要进行趟归并。

硬盘上的数据是按块存储的，归并过程中按块读取数据（假设有10000条记录，硬盘每块可存储200条记录，则初始化成归并段需要50次读硬盘操作，50写硬盘操作，之后每趟归并操作需要50次读硬盘操作，50次写硬盘操作）。

一般情况下，外部排序所需总的时间=内部排序（产生初始归并段）所需时间（m×t_IS）+外部信息读写的时间（d×t_IO）+内部归并所需的时间（s×ut_mg），其中，t_IS是得到一个初始归并段进行内部排序所需的时间均值；t_IO是进行一次外存读/写（这里一次外存读写指读写硬盘一个块儿）时间均值；ut_mg是对u个记录进行内部归并所需时间；m为经过内部排序之后得到的初始归并段的个数；s为归并的趟数；d为总的读/写次数。显然，t_IO较t_mg要大得多，因此提高外排的效率应主要着眼于减少外存信息读写的次数d。其中，m、t_IS、t_IO几项是不变的，总的读写次数d随归并趟数的增加而增加，而归并趟数随着归并路数（几路归并）的增加而减小，所以总的硬盘读写次数d随归并路数k的增加而减小。

若用k路归并，则每得到有序串的下一个元素，若按传统的归并方法，则需要(k-1)次比较（找到k个元素中的最小值），所以单纯增加k将导致增加内部归并的时间ut_mg。假设所得初始归并段为m个，则内部归并过程中进行比较的总时间为：，等价于，归并趟数×每得到下一个有序元素所需要的比较次数×总的元素个数×每次两个数比较的时间开销。但是假设用败者树的方法进行k路归并，则没得到下一个有序元素所需要的比较次数可降低为，则内部归并过程中进行比较的总时间可降低为：
，即降低为一个与k无关的式子。不过，k值的选择并非越大越好，如何选择合适的k是一个需要综合考虑的问题。

败者树：http://blog.sina.com.cn/s/blog_8b745a5f010159vz.html

归并趟数位。可以看出归并趟数不仅和k有关，还和初始归并段的数目n有关，初始归并段的数目n越小，归并趟数越少。总的数据记录的数目是一定的，所以当初始归并段的长度越长时，初始归并段的数目越小。一般的归并排序，所需内存空间最小为O（l）（l为初始归并段的长度），所以这样就限制了初始归并段的数目的减小。针对这一问题，有一种方法，就是在创建初始段的时候用“置换——选择排序”。这样可以让初始归并段的平均长度提高到原来的2倍。“置换——选择排序”可以参考一下链接：

置换——选择排序：http://blog.sina.com.cn/s/blog_8b745a5f01015co2.html