数据结构使用C++语言描述(第2版) 第11章 文件和外排序.pptVIP

数据结构 第11章 文件和外排序 11.2 文件 11.2.1 文件的基本概念 文件是逻辑上相关的记录的集合。 通常一个文件的各个记录是按照某种次序排列起来的。可以按记录中关键字值的大小，也可以按各个记录存入文件的时间先后排列。这样各记录间自然形成一种线性关系，所以一般情况下，文件被看成是一种线性结构。 两种不同类型的文件：操作系统文件和数据库文件。 操作系统文件仅仅是一维的连续的字符序列，无结构无解释。它也可以看成是记录的集合，每个记录只是一个字符组。每组信息称为一个逻辑记录，且进行编号，以方便按记录号存取和处理 数据库文件是带有结构的记录的集合。这类记录本身是由一个或多个数据项组成，也称逻辑记录。 逻辑记录是从用户角度看到的记录， 由逻辑记录组成的文件称为逻辑文件。 11.2.2 文件的组织方式 2. 散列文件 4. 倒排文件 11.3 文件的索引结构 11.3.1 静态索引结构 静态索引结构 多级索引形成一种静态的m叉搜索树结构。 当数据文件很大时，索引表本身也很大，可以建立多级索引：2级索引，3级索引，…。这种多级索引形成一种静态的m叉搜索树结构。 显然静态的多叉树索引结构不利于记录的频繁插入和删除。 前面提到的ISAM文件正是这种静态索引结构的一个例子。这种方法是解决需要频繁更新的大型数据库的一个早期尝试。 11.3.2 动态索引结构 B+树与B-树的最显著的区别是B+树只在叶结点中存储记录。非叶结点存储索引项。每个索引项为：（关键字值，指向子树的指针），叶结点存储实际记录。叶结点中可能存储多于或少于m个记录，只是简单地要求叶结点的磁盘块存储足够的记录，以保持该块至少半满，B+树的叶结点组成数据文件。 1. B＋树 一棵m阶B+树或者是空树，或者是满足下列特性的树： 每个非叶结点最多有m个孩子； 除根结点以外的非叶结点至少有?m/2?个孩子； 有k个孩子的非叶结点必须有k个关键字值； 根结点至少有两个孩子； 所有叶结点均在同一层上。 每个B+树结点的结构如下： N,(P0,K0),(P1,K1),…,(Pn-1,Kn-1) 其中，Pi是指向子树的指针，Ki是子树Pi上的最大关键字值，KiKi+1 0?inm。 11.4 外排序 11.4.1 外排序的基本过程 在外存上进行排序的最通常的方法是合并排序。这种方法由两个相对独立的阶段组成：预处理和合并排序。即首先根据内存的大小，将有n个记录的磁盘文件分批读入内存，采用有效的排序方法进行排序，将其预处理为若干个有序的子文件。 这些有序子文件被称为初始游程或顺串。然后采用合并的方法将这些初始游程逐趟合并成一个有序文件。 11.4 多路合并 对第一阶段的预处理所产生一组初始游程（即有序子序列），可以使用合并的方法将它们合并成一个有序序列。将一组有序子文件合并成一个有序文件可以采用两路合并，也可以采用多路合并的方式进行。 11.4.4 最佳合并树 11.4.2 初始游程的生成 建立初始堆 从输入文件中输入p个记录，建立大小为p的堆。 为第一个初始游程选择一个适当的磁盘文件作为输出文件。 置换选择 内存中会同时存在两个堆：当前堆和新堆。 输出当前堆的堆顶记录到选定的输出文件。 从输入文件中输入下一个记录。 （1）若该记录的关键字值不小于刚输出的关键字值，则由它取代堆顶记录，并调整当前堆。 （2）若该记录的关键字值小于刚输出的关键字值，则由当前堆的堆底记录取代堆顶记录，并调整之，当前堆的体积减少。新输入的记录将存放在当前堆的原堆底记录的位置上，成为新堆的一个记录。这时，如果新堆的记录个数超过?p/2?时，应着手调整新堆；如果新堆中已有p个记录，表示当前堆已输出完毕，当前的初始游程结束，应当开始创建下一个初始游程，因此必须另为新堆选择一个磁盘文件作为输出文件。 （3）重复（2），直到输入文件输入完毕。 输出剩余记录 输出当前堆中的剩余记录，并边输出边调整。 将内存中的新堆作为最后一个初始游程输出。 ?得到如下三个初始游程 61, 87, 170, 275, 503, 509, 512, 523, 908, 154, 289, 329, 426, 456，500 77, 135，266 Data Structures in C++ 11.2 文件 11.3 文件的索引结构 11.4 外排序 文件是存在外存储器上的。为了有效分配外存空间，多个扇区通常形成簇或块。簇（块）是文件的最小分配单位，它们的大小由操作系统决定。 文件存储器上的文件称为物理文件，一簇或块（物理块）中的信息称为物理记录 用户读/写的记录是