TimSort排序算法及一个问题分析摘要
排序算法简析代码入口
排序算法获取两个有序数组A和B
找到待归并区间
准备操作
归并操作
TimSort的优化归并操作
问题解析问题解析
问题原因
解决方案
参考
摘要
简单介绍了传统归并排序算法,以及Java API提供的TimSort优化后的归并排序算法。
并且分析了代码中出现的一个问题原因与解决方案。
敬请忽略文中的灵魂画风。
排序算法简析
代码入口
Collections.sort、List.sort、Arrays.sort方法是逐级调用的关系,最终的底层是Arrays.sort方法,其代码如下(这几个方法的javadoc都蔚然可观,大家不妨看一看):
publicstaticvoidsort(T[] a, Comparator<?superT> c) {
if(c ==null) {
sort(a);
}else{
if(LegacyMergeSort.userRequested)
legacyMergeSort(a, c);
else
TimSort.sort(a,0, a.length, c,null,0,0);
}
}
其中的legacyMergeSort(a,c)方法已经被标记废弃;使用的主要是TimSort.sort()方法。这个方法是一个优化版的归并排序。
排序算法
这里简单描述一下核心算法,略过一些细节。
这里的描述出自个人理解(看代码和网上搜到的综合理解),可能与实际情况有出入。欢迎指正。
获取两个有序数组A和B
传统的归并排序中,A和B都是从“一个元素”开始的;“一个元素”天然有序。TimSort会通过插入排序等方法,先构建一些小的有序数组,以提高一点性能。
另外,在TimSort中,A和B都是入参a[]中的一个片段。这样可以节省一些内存空间。
找到待归并区间
从数组A中,找到A[n-1]B[0],以及A[m]B[length-1]。
此时,待归并区间就是A[n,m]和B。
准备操作
在正式开始归并之前,会做一些准备操作。包括将非待归并区间的数据移动到合适的位置上;准备一个临时数组、初始化一些指针数据等。如下图。
数组B被复制到了临时数组temp中。因为数组B的空间会被其他元素覆盖。
原数组A中最后一个元素“12”被放到了原数组B的最后一个位置上。因为这个元素比待归并区间所有元素都更大。
指针B1指向数组A'的第一个元素;C1指向A'的最后一个元素;B2指向B'的第一个元素;C2指向B'的最后一个元素。这四个指针是用来确定两个数组中待比较和待移动的数据范围的
指针D指向的位置,是下一个“已排序”元素的位置。也就是从A'和B'中找到的最大的元素,将会放到这个位置上。
归并操作
归并操作相对比较简单。依次比较A'[C1]和B'[C2],将较大的数值移动到D的位置上,并将D和对应的C1/C2向左移动一位。重复执行此操作,直到C1
下图是示例数据从准备操作(左上角标记0)到四次排序(左上角标记依次从1到4)的归并步骤。
TimSort的优化归并操作
TimSort在某些情况(触发条件待考)下,会对上述归并操作做一个优化。主要的优化点在于:不是一次一个元素的移动,而是尝试着一次移动多个元素。
下图是按优化后的逻辑,同样的示例数据从准备操作(左上角标记0)到完成排序的归并步骤。注意第一步和第二步每次都移动了两个元素。这里只用了5步就完成了归并;而优化前需要7步。
问题解析
问题现象
代码中有一处排序逻辑,代码是这样的:List batchList = batchs.stream()
.sorted(new Comparator() {
@Override
public int compare(BatchData o1, BatchData o2) {
if (o1.getClass().getSimpleName()
.equals(o2.getClass().getSimpleName())) {
return o1.getId() - o2.getId();
}
return o1 instanceof BatchData4Company ? 1 : -1;
}
}).collect(Collectors.toList());
这段代码在某些特殊情况下,会引发这个问题:java.lang.IllegalArgumentException: Comparison method violates its general contract!
at java.util.TimSort.mergeHi(TimSort.java:899)
at java.util.TimSort.mergeAt(TimSort.java:516)
at java.util.TimSort.mergeForceCollapse(TimSort.java:457)
at java.util.TimSort.sort(TimSort.java:254)
at java.util.Arrays.sort(Arrays.java:1512)
问题原因
问题原因是,对某些数据来说,上述代码会导致compare(a,b)<0并且compare(b,a)<0,也就是a
例如,我们假定:a
假定输入数组a[] = {5,a,7,12,4,b,8,8},其中待归并的两个有序数组分别是{5,a,7,12}和{4,b,8,8}
假定b<7&&7>b。这样可以触发“特殊情况”,即:a和b在某一次归并操作后,会同时成为“是否移动元素”的临界条件。
这样,在“特殊情况”下,优化后的归并操作可能陷入死循环。用画图来表示是这样的。
获取两个有序数组A和B
首先,我们有两个有序数组A和B,如下图所示。
找到待归并区间、做好准备操作
这样,在划分完待归并区间后,得到的结果是这样的:
第一次归并操作:C2落在了元素b上
然后,开始第一次归并操作。由于B'[C2]>A'[C1],我们需要从C2开始,在数组B'中找到一个下标n,使得B'[n]
这里需要注意两点:首先,临界点的比较条件是B'[n]