大文件，5亿整数，怎么排？

最新推荐文章于 2020-03-17 15:03:07 发布
最新推荐文章于 2020-03-17 15:03:07 发布
阅读量354 收藏
点赞数


原文链接：

http://blog.csdn.net/gsky1986/article/details/46499529

问题

给你1个文件bigdata，大小4663M，5亿个数，文件中的数据随机,如下一行一个整数：

<code class="hljs r has-numbering"><span class="hljs-number"></span></code><pre class="plain" name="code">1 6196302
2 3557681
3 6121580
4 2039345
5 2095006
6 1746773
7 7934312
8 2016371
9 7123302
10 8790171
11 2966901
12  ...
13 7005375

 

现在要对这个文件进行排序，怎么搞？
 

 

内部排序
 

 

先尝试内排，选2种排序方式：
 

3路快排：
 

 

<code class="hljs java has-numbering"><span class="hljs-keyword">private</span> <span class="hljs-keyword">final</span> <span class="hljs-keyword">int</span> cutoff = <span class="hljs-number">8</span>;

<span class="hljs-keyword">public</span> <T> <span class="hljs-keyword">void</span> <span class="hljs-title">perform</span>(Comparable<T>[] a) {
        perform(a,<span class="hljs-number">0</span>,a.length - <span class="hljs-number">1</span>);
    }

    <span class="hljs-keyword">private</span> <T> <span class="hljs-keyword">int</span> <span class="hljs-title">median3</span>(Comparable<T>[] a,<span class="hljs-keyword">int</span> x,<span class="hljs-keyword">int</span> y,<span class="hljs-keyword">int</span> z) {
        <span class="hljs-keyword">if</span>(lessThan(a[x],a[y])) {
            <span class="hljs-keyword">if</span>(lessThan(a[y],a[z])) {
                <span class="hljs-keyword">return</span> y;
            }
            <span class="hljs-keyword">else</span> <span class="hljs-keyword">if</span>(lessThan(a[x],a[z])) {
                <span class="hljs-keyword">return</span> z;
            }<span class="hljs-keyword">else</span> {
                <span class="hljs-keyword">return</span> x;
            }
        }<span class="hljs-keyword">else</span> {
            <span class="hljs-keyword">if</span>(lessThan(a[z],a[y])){
                <span class="hljs-keyword">return</span> y;
            }<span class="hljs-keyword">else</span> <span class="hljs-keyword">if</span>(lessThan(a[z],a[x])) {
                <span class="hljs-keyword">return</span> z;
            }<span class="hljs-keyword">else</span> {
                <span class="hljs-keyword">return</span> x;
            }
        }
    }

    <span class="hljs-keyword">private</span> <T> <span class="hljs-keyword">void</span> <span class="hljs-title">perform</span>(Comparable<T>[] a,<span class="hljs-keyword">int</span> low,<span class="hljs-keyword">int</span> high) {
        <span class="hljs-keyword">int</span> n = high - low + <span class="hljs-number">1</span>;
        <span class="hljs-comment">//当序列非常小，用插入排序</span>
        <span class="hljs-keyword">if</span>(n <= cutoff) {
            InsertionSort insertionSort = SortFactory.createInsertionSort();
            insertionSort.perform(a,low,high);
            <span class="hljs-comment">//当序列中小时，使用median3</span>
        }<span class="hljs-keyword">else</span> <span class="hljs-keyword">if</span>(n <= <span class="hljs-number">100</span>) {
            <span class="hljs-keyword">int</span> m = median3(a,low,low + (n >>> <span class="hljs-number">1</span>),high);
            exchange(a,m,low);
            <span class="hljs-comment">//当序列比较大时，使用ninther</span>
        }<span class="hljs-keyword">else</span> {
            <span class="hljs-keyword">int</span> gap = n >>> <span class="hljs-number">3</span>;
            <span class="hljs-keyword">int</span> m = low + (n >>> <span class="hljs-number">1</span>);
            <span class="hljs-keyword">int</span> m1 = median3(a,low,low + gap,low + (gap << <span class="hljs-number">1</span>));
            <span class="hljs-keyword">int</span> m2 = median3(a,m - gap,m,m + gap);
            <span class="hljs-keyword">int</span> m3 = median3(a,high - (gap << <span class="hljs-number">1</span>),high - gap,high);
            <span class="hljs-keyword">int</span> ninther = median3(a,m1,m2,m3);
            exchange(a,ninther,low);
        }

        <span class="hljs-keyword">if</span>(high <= low)
            <span class="hljs-keyword">return</span>;
        <span class="hljs-comment">//lessThan</span>
        <span class="hljs-keyword">int</span> lt = low;
        <span class="hljs-comment">//greaterThan</span>
        <span class="hljs-keyword">int</span> gt = high;
        <span class="hljs-comment">//中心点</span>
        Comparable<T> pivot =  a[low];
        <span class="hljs-keyword">int</span> i = low + <span class="hljs-number">1</span>;

        <span class="hljs-comment">/*
        * 不变式：
        *   a[low..lt-1] 小于pivot -> 前部(first)
        *   a[lt..i-1] 等于 pivot -> 中部(middle)
        *   a[gt+1..n-1] 大于 pivot -> 后部(final)
        *
        *   a[i..gt] 待考察区域
        */</span>

        <span class="hljs-keyword">while</span> (i <= gt) {
            <span class="hljs-keyword">if</span>(lessThan(a[i],pivot)) {
                <span class="hljs-comment">//i-> ,lt -></span>
                exchange(a,lt++,i++);
            }<span class="hljs-keyword">else</span> <span class="hljs-keyword">if</span>(lessThan(pivot,a[i])) {
                exchange(a,i,gt--);
            }<span class="hljs-keyword">else</span>{
                i++;
            }
        }

        <span class="hljs-comment">// a[low..lt-1] < v = a[lt..gt] < a[gt+1..high].</span>
        perform(a,low,lt - <span class="hljs-number">1</span>);
        perform(a,gt + <span class="hljs-number">1</span>,high);
    }</code>
 

 

归并排序：
 

<code class="hljs java has-numbering">    <span class="hljs-javadoc">/**
     * 小于等于这个值的时候，交给插入排序
     */</span>
    <span class="hljs-keyword">private</span> <span class="hljs-keyword">final</span> <span class="hljs-keyword">int</span> cutoff = <span class="hljs-number">8</span>;

    <span class="hljs-javadoc">/**
     * 对给定的元素序列进行排序
     *
     *<span class="hljs-javadoctag"> @param</span> a 给定元素序列
     */</span>
    <span class="hljs-annotation">@Override</span>
    <span class="hljs-keyword">public</span> <T> <span class="hljs-keyword">void</span> <span class="hljs-title">perform</span>(Comparable<T>[] a) {
        Comparable<T>[] b = a.clone();
        perform(b, a, <span class="hljs-number">0</span>, a.length - <span class="hljs-number">1</span>);
    }

    <span class="hljs-keyword">private</span> <T> <span class="hljs-keyword">void</span> <span class="hljs-title">perform</span>(Comparable<T>[] src,Comparable<T>[] dest,<span class="hljs-keyword">int</span> low,<span class="hljs-keyword">int</span> high) {
        <span class="hljs-keyword">if</span>(low >= high)
            <span class="hljs-keyword">return</span>;

        <span class="hljs-comment">//小于等于cutoff的时候,交给插入排序</span>
        <span class="hljs-keyword">if</span>(high - low <= cutoff) {
            SortFactory.createInsertionSort().perform(dest,low,high);
            <span class="hljs-keyword">return</span>;
        }

        <span class="hljs-keyword">int</span> mid = low + ((high - low) >>> <span class="hljs-number">1</span>);
        perform(dest,src,low,mid);
        perform(dest,src,mid + <span class="hljs-number">1</span>,high);

        <span class="hljs-comment">//考虑局部有序 src[mid] <= src[mid+1]</span>
        <span class="hljs-keyword">if</span>(lessThanOrEqual(src[mid],src[mid+<span class="hljs-number">1</span>])) {
            System.arraycopy(src,low,dest,low,high - low + <span class="hljs-number">1</span>);
        }

        <span class="hljs-comment">//src[low .. mid] + src[mid+1 .. high] -> dest[low .. high]</span>
        merge(src,dest,low,mid,high);
    }

    <span class="hljs-keyword">private</span> <T> <span class="hljs-keyword">void</span> <span class="hljs-title">merge</span>(Comparable<T>[] src,Comparable<T>[] dest,<span class="hljs-keyword">int</span> low,<span class="hljs-keyword">int</span> mid,<span class="hljs-keyword">int</span> high) {

        <span class="hljs-keyword">for</span>(<span class="hljs-keyword">int</span> i = low,v = low,w = mid + <span class="hljs-number">1</span>; i <= high; i++) {
            <span class="hljs-keyword">if</span>(w > high || v <= mid && lessThanOrEqual(src[v],src[w])) {
                dest[i] = src[v++];
            }<span class="hljs-keyword">else</span> {
                dest[i] = src[w++];
            }
        }
    }</code>
 

数据太多，递归太深 ->栈溢出？加大Xss？ 
 数据太多，数组太长 -> OOM？加大Xmx?
 

耐心不足，没跑出来.而且要将这么大的文件读入内存，在堆中维护这么大个数据量，还有内排中不断的拷贝，对栈和堆都是很大的压力，不具备通用性。
 

 

sort命令来跑
 

<code class="hljs lasso has-numbering">sort <span class="hljs-attribute">-n</span> bigdata <span class="hljs-attribute">-o</span> bigdata<span class="hljs-built_in">.</span>sorted</code><ul class="pre-numbering" style="display: block;"><li>1</li></ul>
 

跑了多久呢？24分钟.
 

为什么这么慢？
 

 
 
粗略的看下我们的资源： 
 1. 内存 
 jvm-heap/stack，native-heap/stack,page-cache，block-buffer 
 2. 外存 
 swap + 磁盘
 
 
数据量很大，函数调用很多，系统调用很多，内核/用户缓冲区拷贝很多，脏页回写很多，io-wait很高，io很繁忙，堆栈数据不断交换至swap，线程切换很多，每个环节的锁也很多.
 
 
总之，内存吃紧，问磁盘要空间，脏数据持久化过多导致cache频繁失效，引发大量回写，回写线程高，导致cpu大量时间用于上下文切换，一切，都很糟糕，所以24分钟不细看了，无法忍受.
 

 

 

位图法
 

<code class="hljs cs has-numbering">    <span class="hljs-keyword">private</span> BitSet bits;

    <span class="hljs-keyword">public</span> <span class="hljs-keyword">void</span> <span class="hljs-title">perform</span>(
            String largeFileName,
            <span class="hljs-keyword">int</span> total,
            String destLargeFileName,
            Castor<Integer> castor,
            <span class="hljs-keyword">int</span> readerBufferSize,
            <span class="hljs-keyword">int</span> writerBufferSize,
            boolean asc) throws IOException {

        System.<span class="hljs-keyword">out</span>.println(<span class="hljs-string">"BitmapSort Started."</span>);
        <span class="hljs-keyword">long</span> start = System.currentTimeMillis();
        bits = <span class="hljs-keyword">new</span> BitSet(total);
        InputPart<Integer> largeIn = PartFactory.createCharBufferedInputPart(largeFileName, readerBufferSize);
        OutputPart<Integer> largeOut = PartFactory.createCharBufferedOutputPart(destLargeFileName, writerBufferSize);
        largeOut.delete();

        Integer data;
        <span class="hljs-keyword">int</span> off = <span class="hljs-number">0</span>;
        <span class="hljs-keyword">try</span> {
            <span class="hljs-keyword">while</span> (<span class="hljs-keyword">true</span>) {
                data = largeIn.read();
                <span class="hljs-keyword">if</span> (data == <span class="hljs-keyword">null</span>)
                    <span class="hljs-keyword">break</span>;
                <span class="hljs-keyword">int</span> v = data;
                <span class="hljs-keyword">set</span>(v);
                off++;
            }
            largeIn.close();
            <span class="hljs-keyword">int</span> size = bits.size();
            System.<span class="hljs-keyword">out</span>.println(String.format(<span class="hljs-string">"lines : %d ,bits : %d"</span>, off, size));

            <span class="hljs-keyword">if</span>(asc) {
                <span class="hljs-keyword">for</span> (<span class="hljs-keyword">int</span> i = <span class="hljs-number">0</span>; i < size; i++) {
                    <span class="hljs-keyword">if</span> (<span class="hljs-keyword">get</span>(i)) {
                        largeOut.write(i);
                    }
                }
            }<span class="hljs-keyword">else</span> {
                <span class="hljs-keyword">for</span> (<span class="hljs-keyword">int</span> i = size - <span class="hljs-number">1</span>; i >= <span class="hljs-number">0</span>; i--) {
                    <span class="hljs-keyword">if</span> (<span class="hljs-keyword">get</span>(i)) {
                        largeOut.write(i);
                    }
                }
            }

            largeOut.close();
            <span class="hljs-keyword">long</span> stop = System.currentTimeMillis();
            <span class="hljs-keyword">long</span> elapsed = stop - start;
            System.<span class="hljs-keyword">out</span>.println(String.format(<span class="hljs-string">"BitmapSort Completed.elapsed : %dms"</span>,elapsed));
        }<span class="hljs-keyword">finally</span> {
            largeIn.close();
            largeOut.close();
        }
    }

    <span class="hljs-keyword">private</span> <span class="hljs-keyword">void</span> <span class="hljs-title">set</span>(<span class="hljs-keyword">int</span> i) {
        bits.<span class="hljs-keyword">set</span>(i);
    }

    <span class="hljs-keyword">private</span> boolean <span class="hljs-title">get</span>(<span class="hljs-keyword">int</span> v) {
        <span class="hljs-keyword">return</span> bits.<span class="hljs-keyword">get</span>(v);
    }</code>
 

nice!跑了190秒，3分来钟. 
 以核心内存4663M/32大小的空间跑出这么个结果，而且大量时间在用于I/O，不错.
 

问题是，如果这个时候突然内存条坏了1、2根，或者只有极少的内存空间怎么搞？
 

 

外部排序
 

 

该外部排序上场了. 
 外部排序干嘛的？
 

 
 
  1. 内存极少的情况下，利用分治策略，利用外存保存中间结果，再用多路归并来排序;
  2. map-reduce的嫡系.
 

 

这里写图片描述 
 这里写图片描述
 

1.分
 

内存中维护一个极小的核心缓冲区memBuffer，将大文件bigdata按行读入，搜集到memBuffer满或者大文件读完时，对memBuffer中的数据调用内排进行排序，排序后将有序结果写入磁盘文件bigdata.xxx.part.sorted. 
 循环利用memBuffer直到大文件处理完毕，得到n个有序的磁盘文件：
 

这里写图片描述
 

2.合
 

现在有了n个有序的小文件，怎么合并成1个有序的大文件？ 
 把所有小文件读入内存，然后内排？ 
 (⊙o⊙)… 
 no!
 

利用如下原理进行归并排序： 
 这里写图片描述 
 我们举个简单的例子：
 

 
 
文件1：3,6,9 
 文件2：2,4,8 
 文件3：1,5,7
 
 
第一回合： 
 文件1的最小值：3 , 排在文件1的第1行 
 文件2的最小值：2，排在文件2的第1行 
 文件3的最小值：1，排在文件3的第1行 
 那么，这3个文件中的最小值是：min(1,2,3) = 1 
 也就是说，最终大文件的当前最小值，是文件1、2、3的当前最小值的最小值，绕么？ 
 上面拿出了最小值1，写入大文件.
 
 
第二回合： 
 文件1的最小值：3 , 排在文件1的第1行 
 文件2的最小值：2，排在文件2的第1行 
 文件3的最小值：5，排在文件3的第2行 
 那么，这3个文件中的最小值是：min(5,2,3) = 2 
 将2写入大文件.
 
 
也就是说，最小值属于哪个文件，那么就从哪个文件当中取下一行数据.（因为小文件内部有序，下一行数据代表了它当前的最小值）
 

 

最终的时间，跑了771秒，13分钟左右.
 

<code class="hljs r has-numbering">less bigdata.sorted.text
<span class="hljs-keyword">...</span>
<span class="hljs-number">9999966</span>
<span class="hljs-number">9999967</span>
<span class="hljs-number">9999968</span>
<span class="hljs-number">9999969</span>
<span class="hljs-number">9999970</span>
<span class="hljs-number">9999971</span>
<span class="hljs-number">9999972</span>
<span class="hljs-number">9999973</span>
<span class="hljs-number">9999974</span>
<span class="hljs-number">9999975</span>
<span class="hljs-number">9999976</span>
<span class="hljs-number">9999977</span>
<span class="hljs-number">9999978</span>
<span class="hljs-keyword">...</span></code>
 

<ul class="pre-numbering" style="display: block;"><li>1</li><li>2</li><li>3</li><li>4</li></ul>
 


 
 给你1个文件bigdata，大小4663M，5亿个数，文件中的数据随机,如下一行一个整数：
 
 6196302
 3557681
 6121580
 2039345
 2095006
 1746773
 7934312
 2016371
 7123302
 8790171
 2966901
 ...
 70053751
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 
 现在要对这个文件进行排序，怎么搞？
 
 
 内部排序
 
 
 先尝试内排，选2种排序方式：
 
 3路快排：
 
 
 private final int cutoff = 8;
 
 public <T> void perform(Comparable<T>[] a) {
 perform(a,0,a.length - 1);
 }
 
 private <T> int median3(Comparable<T>[] a,int x,int y,int z) {
 if(lessThan(a[x],a[y])) {
 if(lessThan(a[y],a[z])) {
 return y;
 }
 else if(lessThan(a[x],a[z])) {
 return z;
 }else {
 return x;
 }
 }else {
 if(lessThan(a[z],a[y])){
 return y;
 }else if(lessThan(a[z],a[x])) {
 return z;
 }else {
 return x;
 }
 }
 }
 
 private <T> void perform(Comparable<T>[] a,int low,int high) {
 int n = high - low + 1;
 //当序列非常小，用插入排序
 if(n <= cutoff) {
 InsertionSort insertionSort = SortFactory.createInsertionSort();
 insertionSort.perform(a,low,high);
 //当序列中小时，使用median3
 }else if(n <= 100) {
 int m = median3(a,low,low + (n >>> 1),high);
 exchange(a,m,low);
 //当序列比较大时，使用ninther
 }else {
 int gap = n >>> 3;
 int m = low + (n >>> 1);
 int m1 = median3(a,low,low + gap,low + (gap << 1));
 int m2 = median3(a,m - gap,m,m + gap);
 int m3 = median3(a,high - (gap << 1),high - gap,high);
 int ninther = median3(a,m1,m2,m3);
 exchange(a,ninther,low);
 }
 
 if(high <= low)
 return;
 //lessThan
 int lt = low;
 //greaterThan
 int gt = high;
 //中心点
 Comparable<T> pivot = a[low];
 int i = low + 1;
 
 /*
 * 不变式：
 * a[low..lt-1] 小于pivot -> 前部(first)
 * a[lt..i-1] 等于 pivot -> 中部(middle)
 * a[gt+1..n-1] 大于 pivot -> 后部(final)
 *
 * a[i..gt] 待考察区域
 */
 
 while (i <= gt) {
 if(lessThan(a[i],pivot)) {
 //i-> ,lt ->
 exchange(a,lt++,i++);
 }else if(lessThan(pivot,a[i])) {
 exchange(a,i,gt--);
 }else{
 i++;
 }
 }
 
 // a[low..lt-1] < v = a[lt..gt] < a[gt+1..high].
 perform(a,low,lt - 1);
 perform(a,gt + 1,high);
 }1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 
 
 归并排序：
 
 /**
 * 小于等于这个值的时候，交给插入排序
 */
 private final int cutoff = 8;
 
 /**
 * 对给定的元素序列进行排序
 *
 * @param a 给定元素序列
 */
 @Override
 public <T> void perform(Comparable<T>[] a) {
 Comparable<T>[] b = a.clone();
 perform(b, a, 0, a.length - 1);
 }
 
 private <T> void perform(Comparable<T>[] src,Comparable<T>[] dest,int low,int high) {
 if(low >= high)
 return;
 
 //小于等于cutoff的时候,交给插入排序
 if(high - low <= cutoff) {
 SortFactory.createInsertionSort().perform(dest,low,high);
 return;
 }
 
 int mid = low + ((high - low) >>> 1);
 perform(dest,src,low,mid);
 perform(dest,src,mid + 1,high);
 
 //考虑局部有序 src[mid] <= src[mid+1]
 if(lessThanOrEqual(src[mid],src[mid+1])) {
 System.arraycopy(src,low,dest,low,high - low + 1);
 }
 
 //src[low .. mid] + src[mid+1 .. high] -> dest[low .. high]
 merge(src,dest,low,mid,high);
 }
 
 private <T> void merge(Comparable<T>[] src,Comparable<T>[] dest,int low,int mid,int high) {
 
 for(int i = low,v = low,w = mid + 1; i <= high; i++) {
 if(w > high || v <= mid && lessThanOrEqual(src[v],src[w])) {
 dest[i] = src[v++];
 }else {
 dest[i] = src[w++];
 }
 }
 }1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 
 数据太多，递归太深 ->栈溢出？加大Xss？ 
 数据太多，数组太长 -> OOM？加大Xmx?
 
 耐心不足，没跑出来.而且要将这么大的文件读入内存，在堆中维护这么大个数据量，还有内排中不断的拷贝，对栈和堆都是很大的压力，不具备通用性。
 
 
 sort命令来跑
 
 sort -n bigdata -o bigdata.sorted1
 
 跑了多久呢？24分钟.
 
 为什么这么慢？
 
 
 粗略的看下我们的资源： 
 1. 内存 
 jvm-heap/stack，native-heap/stack,page-cache，block-buffer 
 2. 外存 
 swap + 磁盘
 
 数据量很大，函数调用很多，系统调用很多，内核/用户缓冲区拷贝很多，脏页回写很多，io-wait很高，io很繁忙，堆栈数据不断交换至swap，线程切换很多，每个环节的锁也很多.
 
 总之，内存吃紧，问磁盘要空间，脏数据持久化过多导致cache频繁失效，引发大量回写，回写线程高，导致cpu大量时间用于上下文切换，一切，都很糟糕，所以24分钟不细看了，无法忍受.
 
 
 位图法
 
 private BitSet bits;
 
 public void perform(
 String largeFileName,
 int total,
 String destLargeFileName,
 Castor<Integer> castor,
 int readerBufferSize,
 int writerBufferSize,
 boolean asc) throws IOException {
 
 System.out.println("BitmapSort Started.");
 long start = System.currentTimeMillis();
 bits = new BitSet(total);
 InputPart<Integer> largeIn = PartFactory.createCharBufferedInputPart(largeFileName, readerBufferSize);
 OutputPart<Integer> largeOut = PartFactory.createCharBufferedOutputPart(destLargeFileName, writerBufferSize);
 largeOut.delete();
 
 Integer data;
 int off = 0;
 try {
 while (true) {
 data = largeIn.read();
 if (data == null)
 break;
 int v = data;
 set(v);
 off++;
 }
 largeIn.close();
 int size = bits.size();
 System.out.println(String.format("lines : %d ,bits : %d", off, size));
 
 if(asc) {
 for (int i = 0; i < size; i++) {
 if (get(i)) {
 largeOut.write(i);
 }
 }
 }else {
 for (int i = size - 1; i >= 0; i--) {
 if (get(i)) {
 largeOut.write(i);
 }
 }
 }
 
 largeOut.close();
 long stop = System.currentTimeMillis();
 long elapsed = stop - start;
 System.out.println(String.format("BitmapSort Completed.elapsed : %dms",elapsed));
 }finally {
 largeIn.close();
 largeOut.close();
 }
 }
 
 private void set(int i) {
 bits.set(i);
 }
 
 private boolean get(int v) {
 return bits.get(v);
 }1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 
 nice!跑了190秒，3分来钟. 
 以核心内存4663M/32大小的空间跑出这么个结果，而且大量时间在用于I/O，不错.
 
 问题是，如果这个时候突然内存条坏了1、2根，或者只有极少的内存空间怎么搞？
 
 
 外部排序
 
 
 该外部排序上场了. 
 外部排序干嘛的？
 
 1.内存极少的情况下，利用分治策略，利用外存保存中间结果，再用多路归并来排序;
 2.map-reduce的嫡系.
 
 这里写图片描述 
 这里写图片描述
 
 1.分
 
 内存中维护一个极小的核心缓冲区memBuffer，将大文件bigdata按行读入，搜集到memBuffer满或者大文件读完时，对memBuffer中的数据调用内排进行排序，排序后将有序结果写入磁盘文件bigdata.xxx.part.sorted. 
 循环利用memBuffer直到大文件处理完毕，得到n个有序的磁盘文件：
 
 这里写图片描述
 
 2.合
 
 现在有了n个有序的小文件，怎么合并成1个有序的大文件？ 
 把所有小文件读入内存，然后内排？ 
 (⊙o⊙)… 
 no!
 
 利用如下原理进行归并排序： 
 这里写图片描述 
 我们举个简单的例子：
 
 
 文件1：3,6,9 
 文件2：2,4,8 
 文件3：1,5,7
 
 第一回合： 
 文件1的最小值：3 , 排在文件1的第1行 
 文件2的最小值：2，排在文件2的第1行 
 文件3的最小值：1，排在文件3的第1行 
 那么，这3个文件中的最小值是：min(1,2,3) = 1 
 也就是说，最终大文件的当前最小值，是文件1、2、3的当前最小值的最小值，绕么？ 
 上面拿出了最小值1，写入大文件.
 
 第二回合： 
 文件1的最小值：3 , 排在文件1的第1行 
 文件2的最小值：2，排在文件2的第1行 
 文件3的最小值：5，排在文件3的第2行 
 那么，这3个文件中的最小值是：min(5,2,3) = 2 
 将2写入大文件.
 
 也就是说，最小值属于哪个文件，那么就从哪个文件当中取下一行数据.（因为小文件内部有序，下一行数据代表了它当前的最小值）
 
 最终的时间，跑了771秒，13分钟左右.
 
 less bigdata.sorted.text
 ...
 9999966
 9999967
 9999968
 9999969
 9999970
 9999971
 9999972
 9999973
 9999974
 9999975
 9999976
 9999977
 9999978
 ...1
 2
 3
 4
 5
 6
 7
 8
 9
 10
 11
 12
 13
 14
 15
 16
 

                

        

        

    




    

      

        

            

              
                
                  HehuaTang
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    0
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      










                



	

		

			

				
					
Java 5亿整数大文件怎么排序

				
			

			

				

					08-19
				

			

		

		

			
				
在本文中，我们将讨论如何对5亿整数大文件进行排序。这个问题的解决方案对大家的学习或者工作具有一定的参考学习价值。  首先，让我们来了解问题的背景。我们有一个大小4663M的大文件，包含5亿个随机整数，每行一个...

			
		

	



                

              
                



	

		

			

				
					
一个简单的大整数库文件

				
			

			

				

					02-17
				

			

		

		

			
				
这里我们关注的是一份名为“一个简单的大整数库文件”的压缩包，其中包含两个文件：ULongInt.cpp 和 ULongInt.h。这两个文件很可能是实现大整数运算的C++源代码和头文件。下面我们将详细讨论大整数运算的基本概念、...

			
		

	



                


  
              

                


	

		

			

				
					
5亿整数的大文件，怎么排？

				
			

			

				

					weixin_45727359的博客
				

				

					11-10
					
					465
					
				

			

		

		

			
				
点击上方“肉眼品世界”，选择“设为星标”问题给你1个文件bigdata，大小4663M，5亿个数，文件中的数据随机,如下一行一个整数：6196302	
3557681	
...

			
		

	





	

		

			

				
					
5亿整数的大文件，怎么排序

				
			

			

				

					weixin_43313629的博客
				

				

					02-29
					
					1212
					
				

			

		

		

			
				
最近一家公司，面试官一上来，就问了我这么一个问题，我一脸懵逼，决定记录一下。
问题
给你1个文件bigdata，大小4663M，5亿个数，文件中的数据随机,如下一行一个整数：
6196302
3557681
6121580
2039345
2095006
1746773
7934312
2016371
7123302
8790171
2966901
...
7005375

现在要对这个文件进行排...

			
		

	



		

			
		



	

		

			

				
					
字节跳动面试：5 亿整数的大文件，如何排序？我懵逼了

				
			

			

				

					芒果不是程序猿v：lemon-hanwa 的博客
				

				

					03-17
					
					218
					
				

			

		

		

			
				
最近，面试头条，面试官一上来，就问了我这么一个问题，我一脸懵逼，决定记录一下。

问题

给你1个文件bigdata，大小4663M，5亿个数，文件中的数据随机,如下一行一个整数：


6196302
3557681
6121580
2039345
2095006
1746773
7934312
2016371
7123302
8790171
2966901
...
7005375 

现在要对这...

			
		

	





	

		

			

				
					
JAVA 外部排序

				
			

			

				

					u012987770的专栏
				

				

					07-02
					
					752
					
				

			

		

		

			
				
import java.io.*;
public class SortLargeFile{
   public static final int MAX_ARRAY_SIZE=100000;
   public static final int BUFFER_SIZE=100000;
  
   public static void main(String[] args) throws 

			
		

	





	

		

			

				
					
5亿整数的大文件，怎么排序？

				
			

			

				

					java、c++、机器学习方向King
				

				

					02-10
					
					4542
					
				

			

		

		

			
				
http://www.importnew.com/23450.html?utm_source=tuicool&utm_medium=referral


问题


给你1个文件bigdata，大小4663M，5亿个数，文件中的数据随机,如下一行一个整数：








1

2

3

4

5

6

7

8

9

10


			
		

	





	

		

			

				
					
大整数正负类型class模板

				
			

			

				

					07-22
				

			

		

		

			
				
大整数类型模板，各个接口已经封装完成，拿到就可以用，万分推荐！！！ 大整数类型模板，各个接口已经封装完成，拿到就可以用，万分推荐！！！ 大整数类型模板，各个接口已经封装完成，拿到就可以用，万分推荐！！！...

			
		

	





	

		

			

				
					
dazhengshu.rar_大整数

				
			

			

				

					09-23
				

			

		

		

			
				
"大整数乘法"这个文件很可能是实现了上述某一种或几种算法的C语言代码。  在分析和理解这段代码时，我们需要关注以下几个方面： 1. **数据结构**：如何表示大整数，是使用数组还是链表，每个元素的大小是多少？ 2. *...

			
		

	





	

		

			

				
					
C++实现的大整数四则运算

				
			

			

				

					12-25
				

			

		

		

			
				
在编程领域，大整数运算是一项重要的技术，特别是在处理金融计算、加密算法或者科学计算时。C++作为一门强类型且高效的语言，虽然标准库中并没有内置大整数支持，但可以通过自定义数据结构和算法来实现。这个项目...

			
		

	





	

		

			

				
					
ASP外观专利图像检索平台(源代码+论文).rar

				
			

			

				

					07-21
				

			

		

		

			
				
ASP外观专利图像检索平台(源代码+论文)

			
		

	





	

		

			

				
					
C++课程设计：电煤气管理系统【源码+文档】

				
			

			

				

					07-21
				

			

		

		

			
				
C++课程设计：电煤气管理系统【源码+文档】
本程序是一个水电气管理信息系统，能够对高校的水电气费用进行管理, 包括了成员的基本信息，如学号、编号、姓名、成员水电气的用量等。程序的用途包括缴纳水电气费、查询一个同学水电气费用量、查看所有同学的缴费情况、增加学生信息、删除学生信息、退出系统等。在设计时也考虑到学生和教师在用水电气时的不同，学生可以免费使用一定额度的水电气，超过这个额度的以后必须付费，且付费部分水电气费的价格要高于教工的收费标准，该措施的实行是为了鼓励同学们节约资源，以免造成不必要的资源浪费。该软件主要是为了学校的管理人员提供便捷，以更快的完成水电气费用的收缴。该软件本着简洁明了，实用稳定为一体进行设计。
系统将实现以下功能：
（1）实现对用户信息的录入；
（2）实现水电煤气数据的录入；
（3）实现计算并查询用户应缴费用，查询未缴纳费用的名单；
（4）实现对人员的删除和添加；

			
		

	





	

		

			

				
					
ASP+ACCESS网上动态同学录系统（源代码+论文+系统说明+答辩PPT）.rar

				
			

			

				

					07-21
				

			

		

		

			
				
ASP+ACCESS网上动态同学录系统（源代码+论文+系统说明+答辩PPT）

			
		

	





	

		

			

				
					
avaloniassification-mas笔记

					
最新发布

				
			

			

				

					07-21
				

			

		

		

			
				
avalonia

			
		

	





	

		

			

				
					
ASP+ACCESS学生排课管理系统毕业设计(源代码+论文).rar

				
			

			

				

					07-21
				

			

		

		

			
				
ASP+ACCESS学生排课管理系统毕业设计(源代码+论文)

			
		

	





	

		

			

				
					
ASP+ACCESS在线教育系统设计(源代码+论文).rar

				
			

			

				

					07-21
				

			

		

		

			
				
ASP+ACCESS在线教育系统设计(源代码+论文)

			
		

	





	

		

			

				
					
中国软件杯A8赛题.zip

				
			

			

				

					07-21
				

			

		

		

			
				
【项目资源】：包含前端、后端、移动开发、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源，毕业设计等各种技术项目的源码。包括C++、Java、python、web、C#、EDA等项目的源码。
【适用人群】：适用于希望学习不同技术领域的初学者或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。
【附加价值】：项目具有较高的学习借鉴价值，也可直接拿来修改复刻。对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。
【沟通交流】：有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。鼓励下载和使用，并欢迎大家互相学习，共同进步。


			
		

	





	

		

			

				
					

				
			

			

				

					
				

			

		

		

			
				

			
		

	



              



  
“相关推荐”对你有帮助么？

  

      
    
          
  • 
              
    
                  
                  
              
    
              
    非常没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    一般
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    有帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    非常有帮助
    
          
    • 
      

      

      

          
          提交
      

      

  




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值