知識星球來源：foreach_break
cnblogs.com/foreach-break/p/external_sort.html
問題
給你1個檔案bigdata，大小4663M，5億個數，檔案中的資料隨機,如下一行一個整數：
6196302
3557681
6121580
2039345
2095006
1746773
7934312
2016371
7123302
8790171
2966901
…
7005375
現在要對這個檔案進行排序，怎麼搞？
內部排序
先嘗試內排，選2種排序方式：
3路快排：
private final int cutoff = 8;
public
void perform(Comparable [] a) { perform(a,0,a.length – 1);
}
private
int median3(Comparable [] 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
void perform(Comparable [] a,int low,int high) { int n = high – low + 1;
//當序列非常小，用插入排序
if(n <= cutoff) {
InsertionSort insertionSort = SortFactory.createInsertionSort();
insertionSort.perform(a,low,high);
//當序列中小時，使用median3
}else if(n <= 100) {
int m = median3(a,low,low + (n >>> 1),high);
exchange(a,m,low);
//當序列比較大時，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;
//中心點
Comparable
pivot = a[low]; int i = low + 1;
/*
* 不變式：
* a[low..lt-1] 小於pivot -> 前部(first)
* a[lt..i-1] 等於 pivot -> 中部(middle)
* a[gt+1..n-1] 大於 pivot -> 後部(final)
*
* a[i..gt] 待考察區域
*/
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);
}
歸併排序：
/**
* 小於等於這個值的時候，交給插入排序
*/
private final int cutoff = 8;
/**
* 對給定的元素序列進行排序
*
* @param a 給定元素序列
*/
@Override
public
void perform(Comparable [] a) { Comparable
[] b = a.clone(); perform(b, a, 0, a.length – 1);
}
private
void perform(Comparable [] src,Comparable [] dest,int low,int high) { if(low >= high)
return;
//小於等於cutoff的時候,交給插入排序
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);
//考慮區域性有序 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
void merge(Comparable [] src,Comparable [] 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++];
}
}
}
資料太多，遞迴太深 ->棧上限溢位？加大Xss？
資料太多，陣列太長 -> OOM？加大Xmx?
耐心不足，沒跑出來.而且要將這麼大的檔案讀入記憶體，在堆中維護這麼大個資料量，還有內排中不斷的複製，對棧和堆都是很大的壓力，不具備通用性。
sort命令來跑
sort -n bigdata -o bigdata.sorted
跑了多久呢？24分鐘.
為什麼這麼慢？
粗略的看下我們的資源：
記憶體
jvm-heap/stack，native-heap/stack,page-cache，block-buffer
外存
swap + 磁碟
資料量很大，函式呼叫很多，系統呼叫很多，核心/使用者緩衝區複製很多，臟頁回寫很多，io-wait很高，io很繁忙，堆疊資料不斷交換至swap，執行緒切換很多，每個環節的鎖也很多.
總之，記憶體吃緊，問磁碟要空間，臟資料持久化過多導致cache頻繁失效，引發大量回寫，回寫執行緒高，導致cpu大量時間用於背景關係切換，一切，都很糟糕，所以24分鐘不細看了，無法忍受.
點陣圖法
private BitSet bits;
public void perform(
String largeFileName,
int total,
String destLargeFileName,
Castor
castor, int readerBufferSize,
int writerBufferSize,
boolean asc) throws IOException {
System.out.println(“BitmapSort Started.”);
long start = System.currentTimeMillis();
bits = new BitSet(total);
InputPart
largeIn = PartFactory.createCharBufferedInputPart(largeFileName, readerBufferSize); OutputPart
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);
}
nice!跑了190秒，3分來鐘.
以核心記憶體4663M/32大小的空間跑出這麼個結果，而且大量時間在用於I/O，不錯.
問題是，如果這個時候突然記憶體條壞了1、2根，或者只有極少的記憶體空間怎麼搞？
外部排序
該外部排序上場了.
外部排序幹嘛的？
記憶體極少的情況下，利用分治策略，利用外儲存存中間結果，再用多路歸併來排序;
map-reduce的嫡系.
1.分
記憶體中維護一個極小的核心緩衝區memBuffer，將大檔案bigdata按行讀入，蒐集到memBuffer滿或者大檔案讀完時，對memBuffer中的資料呼叫內排進行排序，排序後將有序結果寫入磁碟檔案bigdata.xxx.part.sorted.
迴圈利用memBuffer直到大檔案處理完畢，得到n個有序的磁碟檔案：
2.合
現在有了n個有序的小檔案，怎麼合併成1個有序的大檔案？
把所有小檔案讀入記憶體，然後內排？
(⊙o⊙)…
no!
利用如下原理進行歸併排序：
我們舉個簡單的例子：
檔案1：3,6,9
檔案2：2,4,8
檔案3：1,5,7
第一回合：
檔案1的最小值：3 , 排在檔案1的第1行
檔案2的最小值：2，排在檔案2的第1行
檔案3的最小值：1，排在檔案3的第1行
那麼，這3個檔案中的最小值是：min(1,2,3) = 1
也就是說，最終大檔案的當前最小值，是檔案1、2、3的當前最小值的最小值，繞麼？
上面拿出了最小值1，寫入大檔案.
第二回合：
檔案1的最小值：3 , 排在檔案1的第1行
檔案2的最小值：2，排在檔案2的第1行
檔案3的最小值：5，排在檔案3的第2行
那麼，這3個檔案中的最小值是：min(5,2,3) = 2
將2寫入大檔案.
也就是說，最小值屬於哪個檔案，那麼就從哪個檔案當中取下一行資料.（因為小檔案內部有序，下一行資料代表了它當前的最小值）
最終的時間，跑了771秒，13分鐘左右.
less bigdata.sorted.text
…
9999966
9999967
9999968
9999969
9999970
9999971
9999972
9999973
9999974
9999975
9999976
9999977
9999978
…
●本文編號294，以後想閱讀這篇文章直接輸入294即可
●輸入m獲取文章目錄
演演算法與資料結構
更多推薦《18個技術類微信公眾號》
涵蓋：程式人生、演演算法與資料結構、駭客技術與網路安全、大資料技術、前端開發、Java、Python、Web開發、安卓開發、iOS開發、C/C++、.NET、Linux、資料庫、運維等。
