啊，我的大脑刚刚起步，现在我有一个明智的建议。如果这是一次采访，可能太晚了，但不要介意： 机器1将被称为“控制机器”，并且为了争论起见它要么从所有数据开始，并且以相同的包裹将其发送到其他99台机器，否则数据开始在机器之间均匀分配，并且它将1/99的数据发送给其他每个人。分区不必相同，只需关闭即可。 每个其他机器对其数据进行排序，并且这样做有利于首先找到较低的值。因此，例如快速排序，总是首先对分区的下半部分进行排序[*]。它会尽快将其数据写回控制机器（使用异步IO以继续排序，并且可能使用Nagle：试验一下）。 控制机器在数据到达时对数据执行99路合并，但丢弃合并的数据，只保留所看到的数值的数量。它将中值计算为第二十亿分之十五十十亿以上的平均值。 这受到“牛群中最慢”问题的影响。直到分类机器发送的每个小于中值的值都不能完成该算法。有一个合理的机会，一个这样的数值在其数据包中会很高。因此，一旦数据的初始分区完成，估计的运行时间就是排序1/99数据的时间并将其发送回控制计算机，并且控制读取1/2数据的时间。“组合”介于最大值和这些时间之和之间，可能接近最大值。 我的直觉是，通过网络发送数据比排序更快（更不用说只是选择中位数），它需要成为一个相当糟糕的快速网络。如果可以假定网络是瞬时的，例如，如果您有100个内核可以访问包含数据的RAM，则可能会更好。 由于网络I / O很可能会受到限制，因此可能会出现一些技巧，至少可以将数据传回控制机器。例如，不是发送“1,2,3，... 100”，也许分拣机器可以发送一个消息，意思是“100个值小于101”。然后控制机器可以执行一个修改合并，在该合并中，它找到所有这些最高范围值中的最小值，然后告诉所有分拣机器它是什么，以便他们可以（a）告诉控制机器如何许多值“低于”该值，并且（b）从该点继续发送它们的排序数据。 更一般地说，控制机器可以使用99个分拣机器玩一个聪明的挑战 - 反应猜谜游戏。 这涉及到机器之间的往返，但是，我的简单的第一个版本避免了这种情况。我真的不知道如何盲目估计他们的相对表现，而且由于取舍是复杂的，所以我认为在那里有比我想象的更好的解决方案，假设这是一个真正的问题。 [*]可用堆栈许可 - 如果您没有O（N）额外空间，您首先要做的部分选择受到限制。但是如果你有足够的额外空间，你可以选择，如果你没有足够的空间，你至少可以使用你必须削减的一些角落，通过在前几个分区中首先做一小部分。... 展开详请

是否需要列表进行排序，或只是列表内容的有序序列？后者更容易： var peopleInOrder = people.OrderBy(person => person.LastName); 要排序，你需要一个IComparer<Person>或一个Comparison<Person>。为此，您可能希望ProjectionComparer在MiscUtil中考虑。... 展开详请

没有任何并发​​症不太容易： using System.Linq.Dynamic;在顶部添加。 使用 vehicles = vehicles.AsQueryable().OrderBy("Make ASC, Year DESC").ToList();... 展开详请

PS：由于编码值所需的位数取决于先前编码的值，因此这种证明可能是不重要的。经验上可能遇到的最大编码大小是任意1011732选择缓冲区大小1013000。 typedef unsigned int u32; namespace WorkArea { static const u32 circularSize = 253250; u32 circular[circularSize] = { 0 }; // consumes 1013000 bytes static const u32 stageSize = 8000; u32 stage[stageSize]; // consumes 32000 bytes ... 总之，这两个阵列需要1045000个字节的存储空间。剩下的变量和堆栈空间剩下1048576 - 1045000 - 2×1024 = 1528字节。 它至少在我的Xeon W3520上运行了23秒。您可以使用下面的Python脚本来验证程序是否工作，假定程序名为sort1mb.exe。 from subprocess import * import random sequence = [random.randint(0, 99999999) for i in xrange(1000000)] sorter = Popen('sort1mb.exe', stdin=PIPE, stdout=PIPE) for value in sequence: sorter.stdin.write('%08d\n' % value) sorter.stdin.close() result = [int(line) for line in sorter.stdout] print('OK!' if result == sorted(sequence) else 'Error!')... 展开详请

43 投票 subset在将数据框传递给data=回归函数的参数时，我只会选择所需的变量来积极使用参数。如果我忘记向公式和select=矢量添加变量，会导致一些错误，但是由于减少了对象的复制，并且显着减少了内存占用，所以仍然节省了大量时间。假设我有400万条记录和110个变量（我也是这样）例如： # library(rms); library(Hmisc) for the cph,and rcs functions Mayo.PrCr.rbc.mdl <- cph(formula = Surv(surv.yr, death) ~ age + Sex + nsmkr + rcs(Mayo, 4) + rcs(PrCr.rat, 3) + rbc.cat * Sex, data = subset(set1HLI, gdlab2 & HIVfinal == "Negative", select = c("surv.yr", "death", "PrCr.rat", "Mayo", "age", "Sex", "nsmkr", "rbc.cat") ) ) 通过设置上下文和策略的方式：gdlab2变量是一个逻辑向量，是为一组数据集中的受试者构建的，该变量对于一系列实验室测试具有所有正常或几乎正常的值，并且HIVfinal是一个总结艾滋病初步和确认性测试的特征向量。... 展开详请