外部排序学习

外部排序多是：大文件的排序

主要排序方法：多路归并排序（分部分放进内存进行排序）

一般步骤：预处理（化成多个初始子文件顺序、堆选择）+合并排序

外部排序的例子（转自http://kenby.iteye.com/blog/1017532）

假设有一个72KB的文件，其中存储了18K个整数，磁盘中物理块的大小为4KB，将文件分成18组，每组刚好4KB。

首先通过18次内部排序，把18组数据排好序，得到初始的18个归并段R1~R18，每个归并段有1024个整数。

然后对这18个归并段使用4路平衡归并排序：

第1次归并：产生5个归并段

R11   R12    R13    R14    R15

其中

R11是由{R1,R2,R3,R4}中的数据合并而来

R12是由{R5,R6,R7,R8}中的数据合并而来

R13是由{R9,R10,R11,R12}中的数据合并而来

R14是由{R13,R14,R15,R16}中的数据合并而来

R15是由{R17,R18}中的数据合并而来

把这5个归并段的数据写入5个文件：

foo_1.dat    foo_2.dat    foo_3.dat     foo_4.dat     foo_5.dat

 

第2次归并：从第1次归并产生的5个文件中读取数据，合并，产生2个归并段

R21  R22

其中R21是由{R11,R12,R13,R14}中的数据合并而来

其中R22是由{R15}中的数据合并而来

把这2个归并段写入2个文件

bar_1.dat   bar_2.dat

 

第3次归并：从第2次归并产生的2个文件中读取数据，合并，产生1个归并段

R31

R31是由{R21,R22}中的数据合并而来

把这个文件写入1个文件

foo_1.dat

此即为最终排序好的文件。

败者树

败者树节点保存的是失败者的信息（它可方便下面的比较），而且各个层次的失败者保存和层次关联的信息。由此，败者树是在结构上利于下一次重构。

败者树可以加速外部排序：

k路平衡归并中，若不使用败者树，则对每次对k路需要比较k-1次得到最值，对于总共n个记录的每一趟归并共需要(n-1)*(k-1)次比较。若有m个归并初始段，归并趟数为logk(m) ,总共比较次数logk(m)*(n-1)*(k-1)。引入败者树（由k个元素构造成败者树）则每次不需要k-1次比较，只需要log2（k）次即可。

胜者树

胜者树父节点保存的是胜利者的信息。