小顶堆排序怎么排_程序员必知必会数据结构之突破内存限制的堆排序

作为一个技术人员，技术的问题还是要解决。经过线上日志的分析，日志采用小时机制，一个小时一个日志文件，同一个小时的日志文件有多个，也就是说同一时间内的日志有可能分散在多个日志文件中，这也是Y总要合并的主要原因。每个日志文件大约有500M，大约有100个。此时，如果你阅读到此文章，该怎么做呢？不如先静心想2分钟！！

问题分析

要想实现Y总的需求其实还是有几个难点的：

1. 如何能把所有的日志文件按照时间排序

2. 日志文件的总大小为500M*100 ，大约50G，所以全部加载到内存是不可能的

3. 程序执行过程中，要频繁排序并查找最小元素。

那我们该怎么做呢？其中一个解决方案就是它：堆

解决方案

堆定义

堆(英语：heap)是计算机科学中一类特殊的数据结构的统称。堆通常是一个可以被看做一棵树的数组对象。堆总是满足下列性质：

- 堆中某个节点的值总是不大于或不小于其父节点的值

- 堆总是一棵完全二叉树(完全二叉树要求，除了最后一层，其他层的节点个数都是满的，最后一层的节点都靠左排列)

对于每个节点的值都大于等于子树中每个节点值的堆，我们叫作“大顶堆”。对于每个节点的值都小于等于子树中每个节点值的堆，我们叫作“小顶堆”。

堆实现

完全二叉树比较适合用数组来存储(链表也可以实现)。为什么这么说呢？用数组来存储完全二叉树是非常节省存储空间的。因为我们不需要存储左右子节点的指针，单纯地通过数组的下标，就可以找到一个节点的左右子节点和父节点。

经过上图可以发现，数组位置0为空，虽然浪费了一个存储空间，但是当计算元素在数组位置的时候确非常方便：数组下标为X的元素的左子树的下标为2x，右子树的下标为2x+1。

其实实现一个堆非常简单，就是顺着元素所在的路径，向上或者向下对比然后交换位置。

1. 添加元素

添加元素的时候我们习惯采用自下而上的调整方式来调整堆，我们在数组的最后一个空闲位置插入新元素，按照堆的下标上标原则查找到父元素对比，如果小于父元素的值(大顶堆)，则互相交换。如图：

2. 删除最大(最小元素)

对于大顶堆，堆顶的元素就是最大元素。删除该元素之后，我们需要把第二大元素提到堆顶位置。依次类推，直到把路径上的所有元素都调整完毕。

扩展阅读

1. 小顶堆的顶部元素其实就是整个堆最小的元素，大顶堆顶部元素是整个堆的最大元素。这也是堆排序的最大优点，取最小元素或者最大元素时间复杂度为O(1)

2. 删除元素的时候我们要注意一点，如果采用自顶向下交换元素的方式，在很多情况下造成堆严重的不平衡(左右子树深度相差较大)的情况，为了防止类似情况，我们可以把最后一个元素提到堆顶，然后调整的策略，因为最后一个元素总是在最后一级，不会造成左右子树相差很大的情况。

3. 对于有重复元素的堆，一种解决方法是认为是谁先谁大，后进入堆的元素小于先进入堆的元素，这样在查找的时候一定要查彻底才行。另外一种方式是在堆的每个元素中存储一个链表，用来存放相同的元素，原理类似于散列表。不过这样在删除这个元素的时候需要特殊处理一下。

4. 删除堆顶数据和往堆中插入数据的时间复杂度都是 O(logn)。

5. 不断调整堆的过程其实就是排序过程，在某些场景下，我们可以利用堆来实现排序。

asp.net core 模拟代码

>以下代码经过少许修改甚至不修改的情况下可直接在生产环境应用

小顶堆实现代码

 ///  /// 小顶堆,T类型需要实现 IComparable 接口 ///  class MinHeap where T : IComparable { private T[] container; // 存放堆元素的容器 private int capacity; // 堆的容量，最大可以放多少个元素 private int count; // 堆中已经存储的数据个数 public MinHeap(int _capacity) { container = new T[_capacity + 1]; capacity = _capacity; count = 0; } //插入一个元素 public bool AddItem(T item) { if (count >= capacity) { return false; } ++count; container[count] = item; int i = count; while (i / 2 > 0 && container[i].CompareTo(container[i / 2]) < 0) { // 自下往上堆化，交换 i 和i/2 元素 T temp = container[i]; container[i] = container[i / 2]; container[i / 2] = temp; i = i / 2; } return true; } //获取最小的元素 public T GetMinItem() { if (count == 0) { return default(T); } T result = container[1]; return result; } //删除最小的元素，即堆顶元素 public bool DeteleMinItem() { if (count == 0) { return false; } container[1] = container[count]; container[count] = default(T); --count; UpdateHeap(container, count, 1); return true; } //从某个节点开始从上向下 堆化 private void UpdateHeap(T[] a, int n, int i) { while (true) { int maxPos = i; //遍历左右子树，确定那个是最小的元素 if (i * 2 <= n && a[i].CompareTo(a[i * 2]) > 0) { maxPos = i * 2; } if (i * 2 + 1 <= n && a[maxPos].CompareTo(a[i * 2 + 1]) > 0) { maxPos = i * 2 + 1; } if (maxPos == i) { break; } T temp = container[i]; container[i] = container[maxPos]; container[maxPos] = temp; i = maxPos; } } }

模拟日志文件内容

//因为需要不停的从log文件读取内容，所以需要一个和log文件保持连接的包装 class LogInfoIndex : IComparable { //标志内容来自于哪个文件 public int FileIndex { get; set; } //具体的日志文件内容 public LogInfo Data { get; set; } public int CompareTo(object obj) { var tempInfo = obj as LogInfoIndex; if (this.Data.Index > tempInfo.Data.Index) { return 1; } else if (this.Data.Index < tempInfo.Data.Index) { return -1; } return 0; } } class LogInfo {  //用int来模拟datetime 类型，因为用int 看的最直观 public int Index { get; set; } public string UserName { get; set; } }

生成模拟日志程序

 static void WriteFile() { int fileCount = 0; while (fileCount < 10) { string filePath = $@"D:log{fileCount}.txt"; int index = 0; while (index < 100000) { LogInfo info = new LogInfo() { Index = index, UserName = Guid.NewGuid().ToString() }; File.AppendAllText(filePath, JsonConvert.SerializeObject(info)+ ""); index++; } fileCount++; }  }

文件内容如下：

测试程序

 static void Main(string[] args) { int heapItemCount = 10; int startIndex = 0; StreamReader[] allReader = new StreamReader[10]; MinHeap container = new MinHeap(heapItemCount); //首先每个文件读取一条信息  while(startIndex< heapItemCount) { string filePath = $@"D:log{startIndex}.txt"; System.IO.StreamReader reader = new System.IO.StreamReader(filePath); allReader[startIndex] = reader; string content= reader.ReadLine(); var contentObj = JsonConvert.DeserializeObject(content); LogInfoIndex item = new LogInfoIndex() { FileIndex= startIndex , Data= contentObj }; container.AddItem(item); startIndex++; } //然后开始循环出堆，入堆 while (true) { var heapFirstItem = container.GetMinItem(); if (heapFirstItem == null) { break; } container.DeteleMinItem();  File.AppendAllText($@"D:logotal.txt