数据结构-_外部排序

• 归并趟数:
logkm where k 是路数；m 是初始合并段数。 如：m=6，那么 log26 = 3 而 log36 = 2 此外，还有一次生成所有合并段的时间。对 文件中的所有的记录全部读写一次。
每一趟归并时，对文件中的所有的记录都要全部读写一次。K 大，趟数减
少，读写记录的总数将减少。但 K 大，需要的内存将越多。 3
• 外部合并：将上一阶段生成的合并段调入内存，进行合并，直至最后形成一个有序的文
件。
• 平衡合并分类法：被合并的初始合并段均匀分布在 K 条磁带上，即分布在 T1、T2、 …… Tk 上。对这 K 条带进行合并，将生成的中间归并段分布在 TK+1、 TK+2 、…… T2K 上。然后，循环往复，直至最后形成一个 单一的合并段为止。
logkm × log2k × ( n - 1 ) × tmg ＝ log2m × ( n - 1 ) × tmg 有意思的是该结果和 k 无关，这是通过多用空间换来的。
• 改进：采用胜者树，K 个元素中最小的元素输出之后，从根结点到它的相应的叶子结 点路径上的结点都需要进行修改，为了加快程序运行的速度产生了败者树。
区
注意：挑出冠军
输
5
需要进行 k-1 次
出
Leabharlann Baidu
比较，此处需要
缓
比较 3 次。
冲
区
7
EXST
8 物料管理
3、多路平衡归并的实现
Algorithms and DataStructures:EXSORT
大
k
log2m / log2k × ( k - 1 ) 大
4
EXST
5 物料管理
3、多路平衡归并的实现
Algorithms and DataStructures:EXSORT
1、带、盘的平衡多路归并的性质：
• 改进：采用胜者树或者败者树，从 K 个元素中挑选一个最小的元素仅需 log2k 次比 较，这时总的时间耗费将下降： logkm × log2k × ( n - 1 ) × tmg ＝ log2m × ( n - 1 ) × tmg
1 物料管理
1、外存信息的存取
Algorithms and DataStructures:EXSORT
1、外部排序：
内部排序：信息一次可全部调入内存，信息在内存中的处理时间是主要的时间耗费。
外部排序：信息量巨大，无法一次调入内存。只能驻留在带、盘。特点为内存运行时 间短，内、外存进行交换需要时间长。减少 I/O 时间成为主要矛盾。
6
EXST
7 物料管理
3、多路平衡归并的实现
3、败者树及其使用
0
5
1
9
01
59
2
3
7
29
Algorithms and DataStructures:EXSORT
234567 7 29 5 7 29 9
4
5
6
7
5
7
29
9
输
5
7
29
9
入
16
12
38
22
缓
49
25
57
47
52
84
66
48
冲
78
91
71
59
2、基本术语： • 记录（Record）：数据项的集合存于内存，称之为结点。如果存之于外存，则叫做记 录。原因起源于是在历史上研究管理应用和计算机科学的两部分人 员的习惯。
• 域（场）：记录中的每个数据项，称之为域（Field） 。 • 文件：记录的集合。 • 关键字：唯一标识记录的域，称之为关键字。 • 有序文件：文件根据关键字的大小。排成递增或递减的序列。 3、常用外存： • 磁带：由磁带介质、读、写磁头、驱动器、接收盘和原始盘组成。
1
5
2
3
5
9
4
5
6
7
5
7
29
9
输5
7
29
9
入 16
12
38
22
缓 49
25
57
47
52
84
66
48
冲
78
91
71
59
区
1234567 5 5 9 5 7 29 9
输5 出 缓 冲 区
注意：挑出冠军 需要进行 k-1 次 比较，此处需要 比较 3 次。 5
EXST
6 物料管理
3、多路平衡归并的实现
Algorithms and DataStructures:EXSORT
EXST
4 物料管理
3、多路平衡归并的实现
Algorithms and DataStructures:EXSORT
1、带、盘的平衡多路归并的性质： logkm 趟 • e.g: K > 2 时, 趟数将会减少。m 个归并串。总共 n 个记录。
合并段 1
合并段 k
合并段 m-1
合并段 m
中间合并段
中间合并段
便宜、可反复使用、是一种顺序存取设备。
查找费时、速度幔。
1
EXST
2 物料管理
1、外存信息的存取
3、常用外存： • 带文件的组织的改进：
块1
块2
Algorithms and DataStructures:EXSORT
块3
IBG（Inter Block Gap）块间间隙
B.F（块因子） ＝ 一个物理记录包含逻辑记录的个数 带的利用率上升，如上例： •盘文件的位置：盘组号、柱面号、磁道号、块（扇区号） •盘文件的读写时间：T i/o = tseck + tla + n×twm
层数：
logkm +1
归并趟数：
logkm
有序文件
• 设从 k 个元素中挑选一个最小的元素需 ( k-1) 次比较。 每次比较耗费的时间代价为:
tmg，那么在进行 k 路平衡归并时，总的比较时间耗费不会超过：
logkm
× ( k - 1 ) × ( n - 1 ) × tmg = log2m / log2k × ( k - 1 ) × ( n - 1 ) × tmg
2、胜者树及其使用 • 胜者进入下一轮，直至决出本次比赛的冠军。决出冠军之后，充分利用上一次比赛的 结果，使得更快地挑出亚军、第三名 …… 。 决出第一名需比较： k - 1 次 决出第二名需比较： log2k 次 决出第三名需比较： log2k 次
• 结果：采用胜者树后，从 K 个元素中挑选一个最小的元素仅需 log2k 次比 较，这时总的时间耗费下降为：
tseck ：找道时间 tla ：等待时间 twm ：传输时间/ 字符，n 字符数。
2
EXST
3 物料管理
2、外部排序的方法
Algorithms and DataStructures:EXSORT
1、步骤： • 生成合并段（run）：读入文件的部分记录到内存 －> 在内存中进行内部排序 －> 将排好序的这些记录写入外存，形成合并段 －> 再读入该文件 的下面的记录，往复进行，直至文件中的记录全部形成合并段 为止。 7、15、19 8、11、13 16、23、31 5、12