java 位图法_位图法对大量整数进行排序

问题

输入：一个最多包含n个正整数的文件，每个数都小于n，其中n=10^7。如果在输入文件中有任何正数重复出现就是致命错误。没有其他数据与该正数相关联。

输出：按升序排列的输入整数的列表。

约束：最多有(大约)1MB的内存空间可用，有充足的磁盘存储空间可用。运行时间最多几分钟，运行时间为10秒就不需要进一步优化。

这是《编程珠玑》中很有意思的一个问题。今天给大家分享一下并附上自己的代码实现。

分析

这个问题的限制在于，大约只有1MB的内存空间可用，而存储10^7个整数却大约需要4*10^7字节即大约需要40M内存，显然是不够用的。

多次读取

一种思路是，既然总的内存不够，我们可以读取40次，例如，第一次读取0至249 999之间的数，并对其进行排序输出，第二次读取250 000 至499 999之间的数，并对其排序输出。以次类推，在进行了多次排序之后就完成了对所有数据的排序，并输出到文件中。

归并排序

另外一种思路是，既然有充足的磁盘存储空间可用，那么我们可以借助中间文件。读入一次输入文件，利用中间文件进行归并排序写入输出文件。

那么能否结合两种思路呢？即只需要读取一次，也不借助中间文件？

或者说，如何用大约1MB内存空间，即大约８00万个比特位最多表示10^７个互异的数呢？

位图法

借助位图法当然是可以的。

我们可以用一个比特位来代表一个数。

例如，对于整数集合 {1,2,5,6,7}，可以使用下面的比特位表示：

0 1 1 0 0 1 1 1

数值存在的比特位置为1，其他位为0，对应上面的即可。分别在第1，2，5，6，7比特位置1即可。而上面的比特位转换为整数值为103，只需要一个字节便可存储。

回到我们之前的问题。对于最多10^7个整数，我们大约需要10^7个比特位，即10^7/(810241024)MB，约1.2M的内存即可存储。

至此，我们可以梳理出算法大体流程：

对给定大小的数组所有比特位置0

循环读取输入文件的数据，并将对应数值大小的比特位置1

遍历数组各比特位，如果位为1，则输出对应比特位的位置整数

C 语言实现

#include

#include

#define CHAR_BIT 8 // char类型占用的bit位数

#define SHIFT 3 //右移的位数

#define MAX_NUM 10000000

#define BIT_SIZE 10000000*8 //所需比特位总数量

#define MAX_STR 10 //一个整数所需最大字符数

#define INPUT_FILE "srcNum.txt"

#define OUTPUT_FILE "dstNum.txt"/*将整数对应的比特位置1*/

int putIntoBitMap(char *bitmap, int num)

{

int byte = num >> SHIFT;

char bit = 1 << num % CHAR_BIT;

bitmap[byte] |= (char) bit;

return 0;

}

/*判断整数是否在位图中*/

int isInBitMap(char *bitmap, int num)

{

int byte = num >> SHIFT;

char bit = 1 << num % CHAR_BIT;

if (bitmap[byte] & (char) bit)

return 1;

else

return 0;

}

int main(void)

{

/*打开源文件*/

FILE *in = fopen( INPUT_FILE, "r" );

if(NULL == in)

{

printf("open src num failed");

return -1;

}

/*申请位图相关内存，并初始化为0*/

char string[MAX_STR] = { 0 };

char *bitmap = (char*)calloc(MAX_NUM,sizeof(char));

if(NULL == bitmap)

{

fclose(in);

return -1;

}

int num = 0;

/*循环读取文件中的整数，并将对应位置1*/

while(fgets(string, MAX_STR, in ) != NULL)

{

num = atoi(string);

putIntoBitMap(bitmap, num);

//printf("%d

",num);}fclose(in);/*遍历位图中的比特位，为1，则输出整数到文件中*/FILE *out = fopen(OUTPUT_FILE, "w+");if(NULL == out){printf("open dst num failed");free(bitmap);bitmap = NULL;return -1;}int i;for (i = 0; i < BIT_SIZE; i++){if (isInBitMap(bitmap , i)){fprintf(out, "%d

", i);//printf("%d

",i);}}fclose(out);free(bitmap);bitmap = NULL;return 0;}

srcNum.txt中存放了早已生成好的小于10^7的大量无重复整数，编译运行结果如下：

gcc -o bitmap bitmap.c

time ./bitmap

real 0m1.830s

user 0m1.729s

sys 0m0.100s

可以看到运行时间为秒级。

关键点说明：

putIntoBitMap和isInBitMap函数是该算法的关键函数

putIntoBitMap将整数对应的比特位置1

isInBitMap 判断整数所在比特位是否为1

例如对于整数81，它所在的字节数是81/8 = 10，第10字节(从0开始数)，所在的比特位为81%8=1，第1个比特位。那么我们只需要将第10字节的第1个比特位置1即可。

如何将第n个比特位置1？先将1左移n位(n小于8)，得到一个值，再将这个值与该字节进行相或即可。

例如，如果需要将第4个比特位置1，则1左移4位，得到二进制的00010000即16，若原来该字节值为01000000，即64时，只需将64与16逻辑或即可。

00010000

01000000

01010000 #逻辑或之后的结果

上面的程序还有很多不足之处，包括未对输入做任何检查，未对输入数量做校验等等。

这一切都基于输入数据都是正确的，但这丝毫不影响我们对该算法思想的理解。

总结

位图法适用于大规模数据，但数据状态又不是很多的情况。

对于上面的程序，几乎是做完读取操作之后，排序就完成了，效率惊人。

拓展阅读

参考资料