位图排序

一、需求

在美国，电话号码由3位区号与7位其他号码组成。拨打包含800的电话是不收费的。实际的免费电话号码数据库包含有大量的信息，包括免费电话号码、拨打的实际号码、用户名称和地址。
需要建立一个系统来处理这一类数据库，将要进行排序的只是免费电话号码，号码是不重复的。预期输出一个包含大量号码，并升序排序的文件。实际环境与性能需求，讲求频率大约每小时一次，合适的运行时间为10秒。至多1MB可用主存。

二、分析

输入项：0-9999999的整数，不重复。

输出：升序排序后的文件。

约束：1.时间小10秒，2.主存至多1MB。

 

分析：1M内存，以整型描述（4个字节）一次性最多输入数据为1000000/4=250000个数据，那么0-9999999至少需要分40次输入。

 

三、位图排序

分析：1字节8位，10000000点用字节1250000为1.25M（实际已经超出1M的限制),每位通过0和1的状态标识第N位是否有数据。

最后通过判断第N位是否为1来输入数据。

initialize: for i=0 to 9999999   bit[i]=0

sort:foreach j in input    bit[j]=1

output： for k=0 to n if(bit[k]==1) print(k)

 

四、问题：

Q:如果构建测试所需要的已经打乱的数据，且要求数据不重得。

A：生成数据，然后根据随机数据调换数据N次

 

Q：如果强制要求内存在1M以内，如何处理。

A：将文件输入两次，第一次检索0-4999999，第二次检测5000000-9999999，然后再输出文件。

 

Q：如果每个数据最多可重复10次，怎么进行改进？

A：可以用4位来表该数据存在的次数。

 

Q：免费号码有800，877甚至还在增加，怎么用1M的空间进行排序和快速定位。

A：每次排序一类号码，比如第一轮排序800，第二轮排序877，通过对排序位标识进行存储（相当于索引），可以快速确定该号码是否存在。