1亿个手机号如何排序？

问题

之前有朋友问了一个问题，说$10$万个手机号怎么排序。我说$10$万个太少了，读到数组中，直接排就行了。

今天突然想到一个问题，如果是1亿个手机号怎么排序呢？

分析

先来理清一下需求：

有1亿个不重复的手机号，按行存放在一个大文件mobiles_in.txt中，要求将手机号由小到大排好序的结果输出到另一个文件mobiles_sorted.txt中。

1个手机号11位数字，再加上换行符(\r\n)，一行是13个byte，1亿个手机号的文件大小是13亿byte，大概是1.2G。其实也不算多大个文件。

处理“大”问题的基本思路：分治。

本问题中，可以借鉴归并排序的思路，将大文件拆成100个小文件，小文件内部排好序，然后进行100路的归并操作。

步骤

1. 将$1.2G$的大文件，经过一遍按行读写的方式（迭代器模式）进行处理，拆成$100$个小文件，每个小文件中存放$100$万个手机号。
2. 分别将$100$个小文件读进内存，将手机号从小到大排序，排序结果写回对应的小文件中。
3. 通过一个小顶堆形式的优先级队列（PriorityQueue）进行归并操作。堆中的元素是一个二元组：(手机号, 该手机号对应的小文件编号)。
   • 一开始，将每个文件的第一个手机号读出来放到小顶堆中。由于这$100$个手机号分别是各个子文件中最小的，因此，此时小顶堆堆顶的手机号就是全局最小的手机号。因此可以将堆顶元素弹出，写到最终的输出文件mobiles_sorted.txt中。
   • 每次从堆顶弹出一个元素后，如果该元素所对应的小文件还没被处理完，就从相应小文件中读入下一个手机号，补充到堆中。
   • 所有手机号都各自加入和弹出小顶堆一次后，排序完成，此时的mobiles_sorted.txt文件就是最终结果。