【漫畫】什麼是外部排序？【轉】
- 2019 年 11 月 5 日
- 筆記
還記得面試現場第一篇文章【面試現場】如何判斷一個數是否在40億個整數中？發出之後，最後蛋哥說把40億個數先進行外部排序。有讀者問到，內存無法一次性加載40億個數，如何排序？
背景
西天取經的路上，一樣上演着編程的樂趣…..
(互聯網偵察註：160億位元組大概是16G吧，20億int32大概8G)
置換選擇
例如我們可以從12個數據讀取3個存到內存中，然後從內存中選出最小的那個數放進子串p1里；
之後再從在從剩餘的9個數據讀取一個放到內存中，然後再從內存中選出一個數放進子串p1里，這個數必須滿足比p1中的其他數大，且在內存中盡量小。
這樣一直重複，直到內存中的數都比p1中的數小，這時p1子串存放結束，繼續來p2子串的存放。例如(這時假設內存只能存放3個int型數據)：
12個無序的int數據
讀入3個到內存中，且選出一個最小的到子串p1
從內存中再次讀取一個元素86
從內存中再次讀取一個元素3
從內存中再次讀取一個元素24
從內存中再次讀取一個元素8
這個時候，已經沒有符合要求的數了，且內存已滿，進而用p2子串來存放，以此類推。
通過這種方法，p1子串存放了4個數據，而原來的那種方法p1子串只能存放3個數據。
(不知道堆排序的可以看下我之前寫的文章：【算法與數據結構】堆排序是什麼鬼？)
從12個數據中讀取3個數據，構建成一個最小堆，然後從堆頂選擇一個數寫入到p1中。
之後再從剩餘的9個數中讀取一個數，如果這個數比剛才那個寫入到p1中的數大，則把這個數插入到最小堆中，重新調整最小堆結構，然後在堆頂選一個數寫入到p1中。
否則，把這個數暫放在一邊，暫時不處理。之後一樣需要調整堆結構，從堆頂選擇一個數寫入到p1中。
這裡說明一下，那個被放在一邊的數是不能再放入p1中的了，因為它一定比p1中的數都要小，所以它會放在下一個子串中
看這些文字會讓人頭大，我畫圖解釋下吧。
從12數據讀取3個數據
構建最小堆，且選出目標數
讀入下一個數86
讀入下一個數3，比70小，暫放一邊，不加入堆結構中
讀入下一個數據24，比81小，不加入堆結構
讀入下一個數據8，比86小，不加入堆結構。此時p1已經完成了，把那些剛才暫放一邊的數重新構成一個堆，繼續p2的存放。
以此類推…
最後生成的p2如下：
這種方法適合要排序的數據太多，以至於內存一次性裝載不下。只能通過把數據分幾次的方式來排序，我們也把這種方法稱之為外部排序
