第12章外部排序.ppt

第 12 章 外 部 排 序 第 12 章 外 部 排 序 12.1 外部排序概述 12.2 多路归并排序 12.3 置换选择排序 12.1 外部排序概述 外部排序是指对大型文件的排序，其基本处理过程是：首先，按照内存可以使用的存储空间的大小，将外存上含有n个记录的文件分成若干个内存可以容纳的子文件，依次读入内存，利用有效的内部排序的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初始归并段。 然后， 对这些初始归并段进行逐趟归并，每一趟归并又会形成一些新的归并段，从而使归并段的个数逐趟减少，而每一个归并段中的记录数逐趟增加，直至最后得到一个整个的有序文件。从上述处理过程可见，外部排序的过程可分为两个相对独立的阶段。第一个阶段是分段进行内部排序生成初始归并段的过程，第二个阶段是对初始归并段进行归并的过程。 假设有一个含有10 000个记录的文件，首先通过10次内部排序得到10个初始归并段F1~F10，其中每个归并段都有1000个记录。 然后对它们作如图12.1所示的两两归并过程，直至得到一个有序文件为止。 由图12.1可见， 由10个初始归并段进行 2 路归并， 直至最后得到一个有序文件共进行了四趟归并，也就是说要启动外存进行八次读写，而访问外存所需的时间比访问内存所需的时间要多得多。由此可见，提高外部排序时间执行效率的有效的措施是减少归并的趟数，而要减少归并的趟数就要增加归并的路数，因此， 采用多路平衡归并可大大提高外部排序的执行效率。例如， 对上例进行 5 路归并，其过程如图12.2所示。 图 12.1 2 路归并过程示例 图 12.2 5 路归并过程示例 一般，在各趟归并中都将k个归并段归并成一个大的归并段（零头除外），称为k路平衡归并，而对m个初始归并段进行k路平衡归并时所需的处理次数称为归并趟数，由s表示。s与m、k之间的关系如下：  s＝［logkm］  可以通过增加归并的路数k，来减少归并的趟数s，从而减少访问外存的次数，提高外部排序的执行效率。 12.2 多路归并排序 12.2.1 多路归并与败者树 由上面讨论的实例可知，增加归并路数可以减少访问外存的次数。但是在进行k路归并时，每得到一个归并后的记录， 即从k路中得到一个关键字最小的记录需进行k－1次关键字的比较，也就是说随着归并路数的增加，每得到一个归并后的一个记录所需的时间将随之增加，这将抵消由于增加k而减少外存信息读写时间所得的效益， 这是我们所不希望的。另一方面，在进行k路归并时利用树形选择排序可以使得到一个归并记录所需的时间由k－1缩减为log2k，而且可以推导得到进行k路归并所需的时间与k无关。这就是我们要介绍的利用败者树进行k路归并的方法。 败者树是一棵完全的二叉树，它是树形选择排序的一种变形。在树形选择排序中所介绍的利用锦标赛思想建立的树称为胜者树。在胜者树中，每个非终端结点均表示其左右孩子结点中的优胜者。然而利用败者树更容易实现树形选择排序。在败者树中，每个非终端结点中所记录的是其左右孩子结点中的败者。为什么要记录败者， 因为胜者已经出线，可去参加上一层的比赛，而只有败者才仍需留在原来的层次上。另外，在败者树的根结点之上要附加一个结点存放全局的优胜者。这与锦标赛中的情形也非常类似，在锦标赛中的败者也有强弱之分，例如在最后一轮比赛中被淘汰的败者是最强的败者， 败者树中结点中的层次也可表示出败者的这种层次关系。  例如，图12.3（a）表示一棵实现 5 路归并的败者树los［0..4］。  图中，方形结点表示叶结点（也可看成是外结点），依次存放五个归并段中的当前关键字；圆形结点表示非终端结点，存放左右孩子结点比较后败者的序号（路数号）；los［0］表示附加结点， 存放最终胜者的路数号。  图中所示的是 5 路归并，因此有 5 个叶结点。根据二叉树的性质可知，这棵败者树必有四个非终端结点。无论是叶结点还是非终端结点，都是按完全二叉树的编号规则依次排列，这样容易由结点号找到双亲结点的序号。例如，对于叶结点s，其双亲结点的序号为（s＋k）/2; 对于非终端结点t，其双亲结点的序号为t/2。 图 12.3 实现 5 路归并的败者树示例 败者树的生成过程为：先将各归并段中的当前关键字依次存放到对应的叶结点中，然后从最后一个非终端结点开始，通过左右孩子结点所对应的关键字的比较，逐个记入败者的路数号， 直至在los［0］中最终记入胜者的路数号。例如， 在图12.3（a