数据结构mathbio.ppt

数据结构 第11章 外部排序 第11章 外部排序 11.1 外存信息的存取 11.2 外部排序的方法 11.3 多路平衡归并的实现 11.4 置换-选择排序 11.5 最佳归并树 11.1 外存信息的存取 外存信息的存取特点, 决定了外部排序的策略选择。 常用的外存储器有两类：顺序存取的设备（如磁带）, 随机存取的设备（如磁盘） 常用的外存储器是磁表面存储器, 信息记录在一薄层磁性材料的表面上, 这层材料附着于载体表面, 随着载体作高速旋转或直线运动, 在运动过程中用磁头进行读或写。 11.1 外存信息的存取 1、磁带信息的存取： 磁带存储器的工作原理和磁带录音机一样, 不同之处在于它存储的是数字信息而不是模拟信息。 磁带上的信息在横向分布、纵向分布以及首尾标志等都一定的格式。 以1/2英寸九道的磁带为例, 每一横排就可表示一个字符（8位+1个校验位）。 纵向按区进行存储, 区的长度不固定, 但有一个范围, 例如2到4096字节, 相邻区之间有一定长度的间隔（IBG, Inter Block Gap）, 作为磁带起停之用。 11.1 外存信息的存取 1、磁带信息的存取： 在磁带上读写一块信息所需的时间由两部分组成： TI/O = ta + n tw 其中ta为延迟时间, 即读/写头到达传输信息所在物理快起始位置所需时间； tw为传输一个字符的时间。 显然, 延迟时间和信息在磁带上的位置、当前读/写头所在的位置有关。 所以磁带便宜、可反复使用、是一种顺序存取设备, 但查找费时、速度慢（尤其是查找末端记录时）。 11.1 外存信息的存取 2、磁盘信息的存取： 磁盘是一种直接存取的存储设备(DASD）。 页块的读写时间：TI/O = tseek + tlatency + n twm tseek ：寻道时间 tlatency ：等待时间 twm ：传输时间 11.2 外部排序的方法 外部排序基本上由两个相对独立的阶段组成： 首先, 按可用内存大小, 将外存上含n个记录的文件分成若干长度为l的子文件或段(segment), 依次读入内存并利用有效的内部排序方法对它们进行排序, 并将排序后得到的有序子文件重新写入外存, 通常称这些有序子文件为归并段或顺串(run)； 然后, 对这些归并段进行逐躺归并, 使归并段（有序的子文件）逐渐由小至大, 直到得到整个有序文件为止。 11.2 外部排序的方法 例：一文件含10000记录, 通过10次内部排序得到10个初始归并段R1…R10, 其中每一段都含有1000个记录。 然后作两两归并： R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R1’ R2’ R3’ R4’ R5’ R1’’ R2’’ R3’’ R1’’’ R2’’’ 有序文件 由10个初始归并段到一个有序文件, 共进行了4趟归并, 每一趟都从m个归并段得到ceil(m/2)个归并段。这种归并方法称为2-路平衡归并。 11.2 外部排序的方法 外存上信息的读/写是以“物理块”为单位进行的, 假设每个物理块可以容纳200个记录, 则每一趟归并需进行50次“读”和50次“写”, 4趟归并加上内部排序时所需进行的读/写使得在外排序中总共需进行500次读/写。 11.2 外部排序的方法 一般情况：外部排序所需总的时间 = 内部排序（产生初始归并段）所需的时间(m x tIS) + 外存信息读写的时间(d x tIO) + 内部归并所需的时间(s x utmg) 其中： tIS是为得到一个初始归并段进行内部排序所需时间的均值； tIO是进行一次外存读/写时间的均值； utmg是对u个记录进行内部归并所需时间； m为经过内部排序之后得到的初始归并段的个数； s为归并的趟数； d为总的读/写次数。 于是上例进行外排序所需总的时间为：10 tIS + 500 tIO + 4x10000 tmg显然tIO较tmg要大的多, 因此提高外排序的效率应主要着眼于减少外存信息读写的次数d。 11.2 外部排序的方法 d和“归并过程”的关系： 若对上例进行5路平衡归并： R1 R2 R3 R4 R5 R6 R7 R8 R9 R10 R1’ R2’ 有序文件 仅需两趟归并, 总的读/写次数便减少为：2x100+100=300比2路归并减少了200次的读/写。 对同一文件