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、...

			
		

	



                


  
              

                


	

		

			

				
					
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...

			
		

	





	

		

			

				
					
排序算法---外部排序

				
			

			

				

					奔跑的蜗牛
				

				

					08-03
					
					1479
					
				

			

		

		

			
				
算法设计：可以使用外部排序对大容量数据进行排序。数据量过大，存储于外部文件，数据不能完全加载到内存中。
1.从文件中读取一固定数目的数据到数组，对数组排序，将排好序的数组作为一个数据段输出到一个临时文件，重复上述过程，直到源文件中数据读取完
2.将存储了数据段的文件中一般的数据段复制到一个临时文件，然后对着两个文件的数据段归并排序，每两个数据段归并形成一个大的数据段存储于一个文件中，重复2，直到只有

			
		

	



		

			
		



	

		

			

				
					
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？

				
			

			

				

					架构文摘
				

				

					02-12
					
					928
					
				

			

		

		

			
				
作者：foreach_break
https://www.cnblogs.com/foreach-break/p/external_sort.html



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
712330...

			
		

	





	

		

			

				
					
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...

			
		

	





	

		

			

				
					
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...

			
		

	





	

		

			

				
					
JavaScript 音乐播放器及其源代码.zip

				
			

			

				

					07-22
				

			

		

		

			
				
项目：带有源代码的 JavaScript 音乐播放器
JavaScript 音乐播放器是一个使用 JavaScript、CSS 和 HTML 开发的简单项目。这个项目很有趣。在这里，用户可以通过单击不同颜色的图块来播放不同类型的曲调，并欣赏音乐的声音。此外，用户可以像钢琴一样使用它们来生成不同的曲调。  
项目制作
音乐播放器项目仅包含 HTML、CSS 和 JavaScript。谈到该系统的功能，用户可以播放不同类型的音乐。您只需单击不同颜色的图块即可收听音乐。该项目包含大量 JavaScript，用于使项目正常运行。
如何运行该项目？
要运行此项目，您不需要任何类型的本地服务器，但需要浏览器。我们建议您使用现代浏览器，如 Google Chrome 和 Mozilla Firefox。要运行此系统，首先，通过单击 index.html 文件在浏览器中打开项目。
演示：


该项目为国外大神项目，可以作为毕业设计的项目，也可以作为大作业项目，不用担心代码重复，设计重复等，如果需要对项目进行修改，需要具备一定基础知识。
注意：如果装有360等杀毒软件，可能会出现误报的情况，源码本身并无病毒，使用源码时可以关闭360，或者添加信任。

			
		

	





	

		

			

				
					
鸿蒙开发健康app案例

				
			

			

				

					07-22
				

			

		

		

			
				
该项目是记录用户日常饮食情况，以及针对不同食物摄入营养不同会有对应的营养摄入情况和日常运动消耗情况，用户可以自己添加食品以及对应的热量。
主要有登陆界面，饮食统计页面，食物列表页
登陆界面首先是进入欢迎界面，然后加载首选项，用户同意授权进入首页，否则弹出用户协议，同意保存首选项，否则就跳出app
饮食统计界面，进入首页之后，用户可以选择日期和获取当前日期来加载饮食记录，饮食记录会展示热量统计，营养统计和分组展示饮食记录
食物列表页展示食物列表以及可以填写食物数量和跳转到食物详情页

			
		

	





	

		

			

				
					
1_2_1_pointcloud_based_occupancy_gride_map.launch.py

				
			

			

				

					07-22
				

			

		

		

			
				
1_2_1_pointcloud_based_occupancy_gride_map.launch.py

			
		

	





	

		

			

				
					
USB教程与源码.rar

				
			

			

				

					07-22
				

			

		

		

			
				
USB教程与源码.rar

			
		

	





	

		

			

				
					
巴比达内网穿透技术-内网穿透

				
			

			

				

					07-22
				

			

		

		

			
				
巴比达内网穿透技术-内网穿透

			
		

	





	

		

			

				
					
基于python的网页自动化工具 既能控制浏览器，也能收发数据包

				
			

			

				

					07-22
				

			

		

		

			
				
基于python的网页自动化工具。既能控制浏览器，也能收发数据包。可兼顾浏览器自动化的便利性和requests的高效率。功能强大，内置无数人性化设计和便捷功能。语法简洁而优雅，代码量少。

			
		

	





	

		

			

				
					
ppp协议实验路由器中的一种实验

					
最新发布

				
			

			

				

					07-22
				

			

		

		

			
				
ppp协议实验路由器中的一种实验

			
		

	





	

		

			

				
					

				
			

			

				

					
				

			

		

		

			
				

			
		

	



              



  
“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