并行算法：如何利用并行处理提高算法的执行效率

并行算法：如何利用并行处理提高算法的执行效率

算法的目的就是为了提高代码执行的效率，当算法无法继续优化的情况下，该如何进一步提高执行效率？如何借助并行计算的处理思想对算法进行改造？

并行排序

给大小为8GB的数据进行排序，且我们的内存可以一次性容纳这么多数据，对于排序来讲，最常用的就是时间复杂度为O(nlogn)的三种排序算法：归并排序、快速排序、堆排序，从算法层面无法继续优化了，而利用并行的处理思想，可以很轻松的将这个8GB数据排序问题的执行效率提高很多倍。

1 对归并排序并行化处理

可以将这8GB数据划分成16个小的数据集合，每个集合包含500MB的数据，用16个线程，并行的对这16个500MB的数据进行排序，这16个小集合分别排序完成之后，再将这16个有序集合合并

2 对快速排序并行化处理

通过扫描一遍数据找到数据所处范围区间，把这个区间从小到大划分成16个小区间，将8GB的数据划分到对应区间中，针对这16个小区间的数据，启动16个线程，并行的排序，等到16个线程都执行结束之后，得到的数据就是有序数据

两者用的都是分治的思想，对数据进行分片，然后并行处理，区别在于第一种思路是先随意对数据分片，排序之后再合并，第二种是先对数据按照大小划分区间，然后再排序，排完序不用再处理了

如果要排序的数据规模是1TB，问题是数据的读取效率，排序过程中，频繁的磁盘数据读取和写入，如何减少磁盘的IO操作&#x