桶排序用于海量数据排序的实验。

刚才在JULY的博客上看了对海量数据排序的讲解（http://blog.csdn.net/v_JULY_v/archive/2011/05/28/6451990.aspx），仔细看了几遍，大概理解了使用归并排序的执行过程。于是想知道如果把归并排序替换成其他方法是否可行。仔细想了一下，觉得桶排序可以一试，所写了程序测试了一下。

 

算法的思路是：

第一步。把每个数据最高的k位作为桶编号，创建2^k个桶.然后把每个数据加入到对应的桶中，因为内存有限，把每个桶与一个文件对应，这样可以得到2^k个文件，由于不同桶中的数据大小已经不同，所以只需要分别把每个桶中的数据排好，那么全部数据就是有序的了。

 

第二步。采用类似计数排序的方法分别对每个文件（桶）中的数据进行排序，由于内存有限不能直接使用计数排序，而是用计数排序的简化版。

 

先用一个数组统计每个数字出现的次数

arr[SIZE]={0};

for each d;

  ++arr[d];

 

然后根据数组中每个元素出现的次数由小到大地输出数据。

for each i in arr

       num=arr[i];

       while num!=0

             print i;          //输出结果

             num=num-1;

 

这样就把一个文件中的数据排好了，分析上面的算法会发现它是 不稳定 的排序算法。

 

分析数组arr的大小。

因为数据有10^7个，因此，arr中元素的类型至少应是int类型的，占4个字节。由于内存限制为1M 所以数组arr的大小可取到256k=2^18.

也就是说第一步的每个桶最多只能放2^18个不同的数。题目说每个数字最大为10^7=2^24，因此可以将每个数字的第18~23位作为桶编号，可得64个桶。又因为10^7的二进制形式的第18~23位是100110，转成十进制是38， 即最大的数落在编号为38的桶中。因此实际只需39个桶即可。

 

 

-----