大文件,5亿整数,怎么排?



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

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

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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