根据Histogram近似分布，对变量区间进行等面积划分

根据Histogram近似分布，对变量区间进行平均划分

可用在并行排序算法(Parallel Sort by Regular Sampling)中, 根据进程数目对键值进行近似相等划分，保证每个进程获得的记录数近似相等，进而达到负载均衡目的。

---

理论背景

随机变量$x$概率密度函数(PDF)是$p(x)$, 计算$t<x$的概率(CDF)
$$Pr(t<x)=y(x)={\int }_{-\infty }^{x}p(t)dt$$

得到随机变量$y$，$y$在区间$[0,1]$均匀分布。采用冯诺依曼方法，可以生成任意分布函数$p(x)$的随机变量$x$:

在$[0,1]$区间均匀分布生成随机变量y, 根据上面公式反向求解$x=x(y)$, $x$既是分布为
$p(x)$的随机变量(Inverse Transform Method)

---

实现程序

给定近似分布数据(histogram),选择合适的划分点(splitters),划分成n个区间，保证每个区间内的概率(面积)近似相等:

template<typename Int, typename Float>
void calcSplitter(__IN__ const Int n, 
				  __IN__ const Int mhist, 
				  __IN__ const Float xhist[], //xhist[mhist+1] 
				  __IN__ const Float histogram[], //histogram[mhist]
				  __OUT__ Float xi[] //xi[n+1],splitter
				  )
{
	ASSERT(n>0);
	ASSERT(mhist>0);
	//ASSERT(mhist>10*n);
	
	if(n==1)
	{
		xi[0]=xhist[0];
		xi[1]=xhist[1];
		return;
	}
	
	//x分布函数(PDF)
	Float *pdf=xHistogram;
	
	//x累积分布函数(CDF)
	FLoat *cdf=new Float[mhist+1];
	cdf[0]=0;
	for(Int i=0;i<mhist;i++)
	{
		cdf[i+1]=pdf[i]+cdf[i];
	}
	
	//相邻分割点之间的平均面积
	Float bin_area=cdf[mhist]/Float(n);
	
	xi[0]=xhist[0]; //左边界
	xi[n]=xhist[mhist]; //右边界
	
	Int j=0;
	for(Int i=0;i<n;i++)
	{
		Float area=bin_area*i;
		for(;j<mhist;j++)
		{
			if(area>=cdf[j]&&area<=cdf[j+1]) 
			break;
		}
		
		//线性插值
		Float frac=(area-cdf[j])/(cdf[j+1]-cdf[j]);
		xi[i]=xhist[j]+frac*(xhist[j+1]-xhist[j]);
	}
	
	delete []cdf;
	
	return;
}