数据结构第7章.ppt

JYP 第7章 排序 7.1 引言 7.2 插入排序 7.3 希尔排序 7.4 快速排序 7.5 归并排序 7.5.2 递归归并排序 7.6 堆排序 7.7 基数排序 7.8 基于链表和映射表排序结果的顺序化 7.9 外排序 7.9.2 k路归并 7.9.3 生成初始归并段 7.9.4 归并段的最佳归并和哈夫曼树 影响磁盘读写时间的有以下三个因素： 寻找时间：将读写头定位于正确的柱面所用时间。 等待时间：本磁道中所需块旋转到读写头下所用时间。 传输时间：将块中数据读入内存或写到磁盘所用时间。 其中，就数据传输而言，寻找和等待都是辅助性的，但其时间却较长。为了提高传输效率，IO块的容量一般都较大，通常可包含数千字节。 外排序的最基本方法是归并，包括两个阶段： （1）根据内存容量将输入记录表分为若干段，并利用某种内排序方法逐个对这些段排序。这些已排序的段又称为归并段（runs）。 （2）归并第一阶段生成的归并段，直到最终只剩一个归并段。 由于归并算法只要求同一时刻两个归并段的前端记录在内存，因此经过归并，可以生成比内存大的归并段。 例7.11 设记录表有4500个记录，可用于排序的计算机内存容量是750个记录，IO块长度是250个记录。按上述方法，排序步骤如下： 分析用符号： tseek = 最长寻找时间 tlatency = 最长等待时间 trw = 读写一个IO块（250个记录）所需时间 tIO = tseek + tlatency + trw tIS = 内排序750个记录所需时间 ntm = 将n个记录从输入缓冲区归并到输出缓冲区所 需时间 例7.11中排序4500个记录的操作时间： 由于tIO tIS，tIO tm，影响计算时间的主要因素是输入输出操作的次数，而后者又主要依赖于对数据扫描的遍数。 例7.11中，生成初始归并段需要1遍数据扫描， 归并需要 遍数据扫描。 一遍扫描需要输入输出2?18个IO块，总的输入输 出时间是( + 1) ?2?18tIO = 132tIO。 归并时间是 ?4500tm = 12000tm。 显然，k路归并（k 2）可以减少数据扫描遍数。例如，如果在上例中采用6-路归并，则只需对数据扫描一遍即可完成排序。 此外，初始归并段应尽可能长，从而减少初始归并段个数。 在内存容量给定的情况下，可以利用动态流动的思想，生成平均长度几乎是通常方法所得的两倍的归并段。 但这些归并段长短不一，对它们归并的次序也会影响计算时间。 下面将分别讨论这些问题。 按2-路归并，给定m个归并段，相应的归并树有?log2m?+1层，需要对数据扫描?log2m?遍。 采用k路归并可减少数据扫描遍数。如下图对16个归并段进行4-路归并只需扫描数据2遍： 一般地，采用k路归并需要对数据扫描?logkm?遍。因此，当k 2时，采用k路归并可有效减少输入输出时间。 但k路归并要求从k个归并段的前端记录中选择关键字最小的输出。 可以采用具有k个叶结点的败者树来选择关键字最小的记录。从败者树中每选一个最小记录并重新调整需要O(log2k)时间，所以对n个记录归并一遍需要的时间是O(n log2k)。 归并logkm遍的CPU处理时间是O(n log2k logkm) = O(n log2m)，即与k无关。 还应该看到，当k超过一定范围时，输入输出时间并不随着k的增大而减少。因为： k路归并所需的缓冲区个数随着k的增大而增加； 在内存容量给定情况下，缓冲区容量随着k的增大而减小； 这又导致IO块的有效容量减小，从而使一遍数据扫描需要更多的IO块操作。 因此，当k超过一定值时，输入输出时间反而会随着k的增大而增加。k值的最佳选择与磁盘参数和可用于缓冲区的内存容量有关。 用传统的内排序方法生成初始归并段，需要将内存容纳的所有记录都排序好后再全部输出到磁盘。从在排序过程中没有内外存数据交换的意义上看，这属于静态方法，由此生成的归并段最多与内存容纳的记录数同样大。 如果采用动态流动的方法，即在生成归并段的过程中不断将记录写到磁盘，同时从磁盘读入新的记录到内存，则可能生成比内存容量大的归并段。 设内存可容纳k个记录，用r[0], r[1], …, r[k–1]表示，记录的输入和输出通过IO缓冲实现。 输入k个记录后，这些记录都属于当前归并段。 从属于当前归并段的内存记录中选关键字最小的记录r