# 面试被问傻！5亿个数大文件怎么排序？

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

## 内部排序

### 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;

if(n <= cutoff) {
InsertionSort insertionSort = SortFactory.createInsertionSort();
insertionSort.perform(a,low,high);

}else if(n <= 100) {
int m = median3(a,low,low + (n >>> 1),high);
exchange(a,m,low);

}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;

int lt = low;

int gt = high;

Comparable<T> pivot = a[low];
int i = low + 1;

while (i <= gt) {
if(lessThan(a[i],pivot)) {

exchange(a,lt++,i++);
}else if(lessThan(pivot,a[i])) {
exchange(a,i,gt--);
}else{
i++;
}
}

perform(a,low,lt - 1);
perform(a,gt + 1,high);
}```

### 归并排序：

```private final int cutoff = 8;

@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;

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);

if(lessThanOrEqual(src[mid],src[mid+1])) {
System.arraycopy(src,low,dest,low,high - low + 1);
}

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++];
}
}
}```

## sort命令来跑

sort -n bigdata -o bigdata.sorted

jvm-heap/stack，native-heap/stack,page-cache，block-buffer

## 位图法

```private BitSet bits;

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

System.out.println("BitmapSort Started.");
long start = System.currentTimeMillis();
bits = new BitSet(total);
OutputPart<Integer> largeOut = PartFactory.createCharBufferedOutputPart(destLargeFileName, writerBufferSize);
largeOut.delete();

Integer data;
int off = 0;
try {
while (true) {
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分来钟.

## 外部排序

map-reduce的嫡系.

### 2.合

```less bigdata.sorted.text
...
9999966
9999967
9999968
9999969
9999970
9999971
9999972
9999973
9999974
9999975
9999976
9999977
9999978
...```

0 条评论

• ### 关系型数据的分布式处理系统：Cobar

Cobar简介 Cobar是关系型数据的分布式处理系统，它可以在分布式的环境下像传统数据库一样为您提供海量数据服务。 Github：https://github...

• ### 彻底干掉恶心的 SQL 注入漏洞， 一网打尽！

来源：b1ngz.github.io/java-sql-injection-note/

• ### Spring Boot 配置随机数那些小技巧

org.springframework.boot.context.config.RandomValuePropertySource

• ### 牛逼！5 亿！整数的大文件，如何排序？神操作！

给你1个文件bigdata，大小4663M，5亿个数（对的，你没听错，就是5亿），文件中的数据随机,如下一行一个整数：

• ### 面试题热个身：5 亿整数的大文件，来排个序？

给你1个文件bigdata，大小4663M，5亿个数，文件中的数据随机,如下一行一个整数：

• ### 面试被问：5 亿整数的大文件，排个序 ？

给你1个文件bigdata，大小4663M，5亿个数，文件中的数据随机,如下一行一个整数：

• ### 【模板】割点 tarjan

若为根，有两个及以上孩子算割点，不为根，点u存在连接的一个点v访问的最小值low[v]大于等于（等于就是最后还是走到这个点）dfn[u],则u为割点

• ### tarjan求桥、割顶

若low[v]>dfn[u],则(u,v)为割边。但是实际处理时我们并不这样判断，因为有的图上可能有重边，这样不好处理。我们记录每条边的标号（一条无向边拆成的两...

• ### 浅析强连通分量 Tarjan

在有向图G中，如果两点互相可达，则称这两个点强连通，如果G中任意两点互相可达，则称G是强连通图。

• ### 2014腾讯软件开发类笔试题(广州站）

试卷类型：软件开发A1 考试时长：120分钟 一 不定项选择题（共25题，每题4分，共100分，少选、错选、多选均不得分） 1 已知一棵二叉树，如果先序...