算法:多路归并的外排序
Posted 滔滔就是我hia
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了算法:多路归并的外排序相关的知识,希望对你有一定的参考价值。
概述:以一个包含很多个整数的大文件为例,来说明多路归并的外排序算法基本思想。假设文件中整数个数为N(N是亿级的),整数之间用空格分开。首先分多次从该文件中读取M(十万级)个整数,
每次将M个文件在内存中使用快排序之后存入临时文件,然后使用多路归并将临时文件中的数据牌号序存入输出文件。显然,该排序算法需要对每个整数做2次磁盘读和2次磁盘写。
此处只是先实现外排序思想,并未进行性能优化,所以时间复杂度暂不做分析。
ExternSort.h
class ExternSort
{
public:
void sort()
{
//将文件内容分块在内存中排序,并分别写入临时文件
int file_count = memory_sort();
//归并临时文件内容到输出文件
merge_sort(file_count);
}
//input_file:输入文件名
//out_file:输出文件名
//count: 每次在内存中排序的整数个数
ExternSort(const char *input_file, const char * out_file, int count)
{
m_count = count;
m_in_file = new char[strlen(input_file) + 1];
strcpy(m_in_file, input_file);
m_out_file = new char[strlen(out_file) + 1];
strcpy(m_out_file, out_file);
}
virtual ~ExternSort()
{
delete [] m_in_file;
delete [] m_out_file;
}
private:
int m_count; //数组长度
char *m_in_file; //输入文件的路径
char *m_out_file; //输出文件的路径
protected:
int read_data(FILE* f, int a[], int n)
{
int i = 0;
while(i < n && (fscanf(f, "%d", &a[i]) != EOF)) i++;
//printf("read:%d integer\\n", i);
return i;
}
void write_data(FILE* f, int a[], int n)
{
for(int i = 0; i < n; ++i)
fprintf(f, "%d ", a[i]);
}
char* temp_filename(int index)
{
char *tempfile = new char[100];
sprintf(tempfile, "temp%d.txt", index);
return tempfile;
}
static int cmp_int(const void *a, const void *b)
{
return *(int*)a - *(int*)b;
}
int memory_sort()
{
FILE* fin = fopen(m_in_file, "rt");
int n = 0, file_count = 0;
int *array = new int[m_count];
//每读入m_count个整数就在内存中做一次排序,并写入临时文件
while(( n = read_data(fin, array, m_count)) > 0)
{
qsort(array, n, sizeof(int), cmp_int);
char *fileName = temp_filename(file_count++);
FILE *tempFile = fopen(fileName, "w");
free(fileName);
write_data(tempFile, array, n);
fclose(tempFile);
}
delete [] array;
fclose(fin);
return file_count;
}
void merge_sort(int file_count)
{
if(file_count <= 0) return;
//归并临时文件
FILE *fout = fopen(m_out_file, "wt");
//每个文件维持文件指针
FILE* *farray = new FILE*[file_count];
int i;
for(i = 0; i < file_count; ++i)
{
char* fileName = temp_filename(i);
farray[i] = fopen(fileName, "rt");
free(fileName);
}
int *data = new int[file_count];//存储每个文件当前的一个数字
bool *hasNext = new bool[file_count];//标记文件是否读完
memset(data, 0, sizeof(int) * file_count);
memset(hasNext, 1, sizeof(bool) * file_count);
for(i = 0; i < file_count; ++i)
{
if(fscanf(farray[i], "%d", &data[i]) == EOF)//读每个文件的第一个数到data数组
hasNext[i] = false;
}
int total_num = 0;
while(true)
{
//求data中可用的最小的数字,并记录对应文件的索引
int min_num = data[0];
bool bCompare = false;
int index = 0;
//选择排序
for(i = 0; i < file_count; ++i)
{
//给min赋一个最初比较值
if (!bCompare && hasNext[i])
{
index = i;
min_num = data[i];
bCompare = true;
}
if (bCompare && hasNext[i] && min_num > data[i])
{
min_num = data[i];
index = i;
}
}
if(index == 0 && !hasNext[0]) break; //没有可取的数字,终止归并
if (fscanf(farray[index], "%d", &data[index]) == EOF) { //读取文件的下一个元素
hasNext[index] = false;
}
fprintf(fout, "%d ", min_num);
total_num++;
}
printf("total_num:%d\\n", total_num);
delete [] hasNext;
delete [] data;
for(i = 0; i < file_count; ++i)
{
fclose(farray[i]);
}
delete [] farray;
fclose(fout);
}
};
ExternSort.cpp
const unsigned int nCount = 100000000; // 需要排序的整数个数
const unsigned int number_to_sort = 10000000; //在内存中一次排序的数量(内存限制整数个数)
const char* unsort_file = "unsort_data.txt"; //原始未排序的文件名
const char* sort_file = "sort_data.txt"; //已排序的文件名
void init_data(unsigned int num) //随机生成数据文件
{
FILE* f = fopen(unsort_file, "wt");
for (int i = 0; i < num; ++i)
fprintf(f, "%d ", rand());
fclose(f);
}
double getDt(const LARGE_INTEGER& t1, const LARGE_INTEGER& t2)
{
double dt;
LARGE_INTEGER nFreq;
QueryPerformanceFrequency(&nFreq);
dt = (t2.QuadPart - t1.QuadPart) / (double)nFreq.QuadPart;
return dt * 1000;
}
int main(int argc, char** argv)
{
LARGE_INTEGER t1;
LARGE_INTEGER t2;
//time
QueryPerformanceCounter(&t1);
srand(time(NULL));
init_data(nCount);
ExternSort extSort(unsort_file, sort_file, number_to_sort);
extSort.sort();
QueryPerformanceCounter(&t2);
cout << "deltatime: " << getDt(t1, t2) << " ms" << endl;
system("pause");
return 0;
}
以上是关于算法:多路归并的外排序的主要内容,如果未能解决你的问题,请参考以下文章