亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Java 5億整數(shù)大文件怎么排序

 更新時間:2020年03月24日 14:38:48   作者:foreach_break  
這篇文章主要介紹了Java 5億整數(shù)大文件怎么排序,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧

問題

給你1個文件bigdata,大小4663M,5億個數(shù),文件中的數(shù)據(jù)隨機,如下一行一個整數(shù):

6196302
3557681
6121580
2039345
2095006
1746773
7934312
2016371
7123302
8790171
2966901
...
7005375

現(xiàn)在要對這個文件進行排序,怎么搞?

內(nèi)部排序

先嘗試內(nèi)排,選2種排序方式:

3路快排:

private final int cutoff = 8;

public <T> void perform(Comparable<T>[] a) {
    perform(a,0,a.length - 1);
  }

  private <T> int median3(Comparable<T>[] 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 <T> void perform(Comparable<T>[] 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<T> pivot = a[low];
    int i = low + 1;

    /*
    * 不變式:
    *  a[low..lt-1] 小于pivot -> 前部(first)
    *  a[lt..i-1] 等于 pivot -> 中部(middle)
    *  a[gt+1..n-1] 大于 pivot -> 后部(final)
    *
    *  a[i..gt] 待考察區(qū)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);
  }

歸并排序:

 /**
   * 小于等于這個值的時候,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 <T> void perform(Comparable<T>[] a) {
    Comparable<T>[] b = a.clone();
    perform(b, a, 0, a.length - 1);
  }

  private <T> void perform(Comparable<T>[] src,Comparable<T>[] dest,int low,int high) {
    if(low >= high)
      return;

    //小于等于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);

    //考慮局部有序 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 <T> void merge(Comparable<T>[] src,Comparable<T>[] 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++];
      }
    }
  }

數(shù)據(jù)太多,遞歸太深 ->棧溢出?加大Xss?
數(shù)據(jù)太多,數(shù)組太長 -> OOM?加大Xmx?

耐心不足,沒跑出來.而且要將這么大的文件讀入內(nèi)存,在堆中維護這么大個數(shù)據(jù)量,還有內(nèi)排中不斷的拷貝,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.

為什么這么慢?

粗略的看下我們的資源:
1. 內(nèi)存
jvm-heap/stack,native-heap/stack,page-cache,block-buffer
2. 外存
swap + 磁盤

數(shù)據(jù)量很大,函數(shù)調(diào)用很多,系統(tǒng)調(diào)用很多,內(nèi)核/用戶緩沖區(qū)拷貝很多,臟頁回寫很多,io-wait很高,io很繁忙,堆棧數(shù)據(jù)不斷交換至swap,線程切換很多,每個環(huán)節(jié)的鎖也很多.

總之,內(nèi)存吃緊,問磁盤要空間,臟數(shù)據(jù)持久化過多導致cache頻繁失效,引發(fā)大量回寫,回寫線程高,導致cpu大量時間用于上下文切換,一切,都很糟糕,所以24分鐘不細看了,無法忍受.

位圖法

 private BitSet bits;

  public void perform(
      String largeFileName,
      int total,
      String destLargeFileName,
      Castor<Integer> castor,
      int readerBufferSize,
      int writerBufferSize,
      boolean asc) throws IOException {

    System.out.println("BitmapSort Started.");
    long start = System.currentTimeMillis();
    bits = new BitSet(total);
    InputPart<Integer> largeIn = PartFactory.createCharBufferedInputPart(largeFileName, readerBufferSize);
    OutputPart<Integer> 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.
以核心內(nèi)存4663M/32大小的空間跑出這么個結(jié)果,而且大量時間在用于I/O,不錯.

問題是,如果這個時候突然內(nèi)存條壞了1、2根,或者只有極少的內(nèi)存空間怎么搞?

外部排序

該外部排序上場了.
外部排序干嘛的?

內(nèi)存極少的情況下,利用分治策略,利用外存保存中間結(jié)果,再用多路歸并來排序; map-reduce的嫡系.

 

1.分

內(nèi)存中維護一個極小的核心緩沖區(qū)memBuffer,將大文件bigdata按行讀入,搜集到memBuffer滿或者大文件讀完時,對memBuffer中的數(shù)據(jù)調(diào)用內(nèi)排進行排序,排序后將有序結(jié)果寫入磁盤文件bigdata.xxx.part.sorted.
循環(huán)利用memBuffer直到大文件處理完畢,得到n個有序的磁盤文件:

2.合

現(xiàn)在有了n個有序的小文件,怎么合并成1個有序的大文件?
把所有小文件讀入內(nèi)存,然后內(nèi)排?
(⊙o⊙)…
no!

利用如下原理進行歸并排序:

 

我們舉個簡單的例子:

文件1:3,6,9
文件2:2,4,8
文件3:1,5,7

第一回合:
文件1的最小值:3 , 排在文件1的第1行
文件2的最小值:2,排在文件2的第1行
文件3的最小值:1,排在文件3的第1行
那么,這3個文件中的最小值是:min(1,2,3) = 1
也就是說,最終大文件的當前最小值,是文件1、2、3的當前最小值的最小值,繞么?
上面拿出了最小值1,寫入大文件.

第二回合:
文件1的最小值:3 , 排在文件1的第1行
文件2的最小值:2,排在文件2的第1行
文件3的最小值:5,排在文件3的第2行
那么,這3個文件中的最小值是:min(5,2,3) = 2
將2寫入大文件.

也就是說,最小值屬于哪個文件,那么就從哪個文件當中取下一行數(shù)據(jù).(因為小文件內(nèi)部有序,下一行數(shù)據(jù)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
...

到此這篇關(guān)于Java 5億整數(shù)大文件怎么排序的文章就介紹到這了,更多相關(guān)Java 大文件排序內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Java SpringMVC框架開發(fā)之數(shù)據(jù)導出Excel文件格式實例詳解

    Java SpringMVC框架開發(fā)之數(shù)據(jù)導出Excel文件格式實例詳解

    這篇文章主要介紹了Java基礎開發(fā)之數(shù)據(jù)導出Excel文件格式實例詳解,需要的朋友可以參考下
    2020-02-02
  • Java編碼輔助工具Lombok用法詳解

    Java編碼輔助工具Lombok用法詳解

    這篇文章主要介紹了Java編碼輔助工具Lombok用法詳解,可以使用Lombok來避免這種重復的操作,減少非核心代碼的臃腫,提高編碼效率,需要的朋友可以參考下
    2019-06-06
  • 超詳細講解Java異常

    超詳細講解Java異常

    Java 異常機制可以使程序中異常處理代碼和正常業(yè)務代碼分離,保證程序代碼更加優(yōu)雅,并提高程序健壯性。本文超詳細講解了Java異常,感興趣的小伙伴可以參考一下這篇文章
    2021-09-09
  • java 重試框架 sisyphus 入門介紹

    java 重試框架 sisyphus 入門介紹

    sisyphus 綜合了 spring-retry 和 gauva-retrying 的優(yōu)勢,使用起來也非常靈活,本文給大家介紹java 重試框架 sisyphus 入門相關(guān)知識,感興趣的朋友一起看看吧
    2021-10-10
  • 基于IntBuffer類的基本用法(詳解)

    基于IntBuffer類的基本用法(詳解)

    下面小編就為大家?guī)硪黄贗ntBuffer類的基本用法(詳解)。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-05-05
  • 在Mybatis中association標簽多層嵌套的問題

    在Mybatis中association標簽多層嵌套的問題

    這篇文章主要介紹了在Mybatis中association標簽多層嵌套的問題,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-03-03
  • Java實體映射工具MapStruct使用方法詳解

    Java實體映射工具MapStruct使用方法詳解

    MapStruct是用于代碼中JavaBean對象之間的轉(zhuǎn)換,例如DO轉(zhuǎn)換為DTO,DTO轉(zhuǎn)換為VO,或Entity轉(zhuǎn)換為VO等場景,這篇文章主要給大家介紹了關(guān)于Java實體映射工具MapStruct使用的相關(guān)資料,需要的朋友可以參考下
    2021-11-11
  • Java關(guān)鍵字synchronized基本使用詳解

    Java關(guān)鍵字synchronized基本使用詳解

    這篇文章主要給大家介紹了關(guān)于Java關(guān)鍵字synchronized基本使用的相關(guān)資料,synchronized可以用來同步靜態(tài)和非靜態(tài)方法,文中通過代碼介紹的非常詳細,需要的朋友可以參考下
    2024-01-01
  • 解決myBatis中openSession()自動提交的問題

    解決myBatis中openSession()自動提交的問題

    在學習MySQL過程中,發(fā)現(xiàn)插入操作自動提交,問題原因可能是myBatis中的openSession()方法設置了自動提交,或者是MySQL的默認引擎設置為不支持事務的MyISAM,解決辦法包括更改myBatis的提交設置或?qū)ySQL表的引擎改為InnoDB
    2024-09-09
  • Mybatis-Plus動態(tài)表名的實現(xiàn)示例

    Mybatis-Plus動態(tài)表名的實現(xiàn)示例

    面對復雜多變的業(yè)務需求,動態(tài)表名的處理變得愈發(fā)重要,本文主要介紹了Mybatis-Plus動態(tài)表名的實現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下
    2024-07-07

最新評論