建站
咨詢
售后
建站咨詢
新聞中心
這篇文章將為大家詳細(xì)講解有關(guān)利用Java 怎么對超大的文件進(jìn)行排序，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。
成都創(chuàng)新互聯(lián)公司網(wǎng)站建設(shè)由有經(jīng)驗的網(wǎng)站設(shè)計師、開發(fā)人員和項目經(jīng)理組成的專業(yè)建站團(tuán)隊，負(fù)責(zé)網(wǎng)站視覺設(shè)計、用戶體驗優(yōu)化、交互設(shè)計和前端開發(fā)等方面的工作，以確保網(wǎng)站外觀精美、成都網(wǎng)站建設(shè)、網(wǎng)站制作易于使用并且具有良好的響應(yīng)性。
內(nèi)部排序
先嘗試內(nèi)排，選2種排序方式：
3路快排：
private final int cutoff = 8; publicvoid perform(Comparable [] a) { perform(a,0,a.length - 1); } private int median3(Comparable [] 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 void perform(Comparable [] a,int low,int high) { int n = high - low + 1; //當(dāng)序列非常小，用插入排序 if(n <= cutoff) { InsertionSort insertionSort = SortFactory.createInsertionSort(); insertionSort.perform(a,low,high); //當(dāng)序列中小時，使用median3 }else if(n <= 100) { int m = median3(a,low,low + (n >>> 1),high); exchange(a,m,low); //當(dāng)序列比較大時，使用ninther }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; //lessThan int lt = low; //greaterThan int gt = high; //中心點(diǎn) Comparable pivot = a[low]; int i = low + 1; /* * 不變式： * a[low..lt-1] 小于pivot -> 前部(first) * a[lt..i-1] 等于 pivot -> 中部(middle) * a[gt+1..n-1] 大于 pivot -> 后部(final) * * a[i..gt] 待考察區(qū)域 */ while (i <= gt) { if(lessThan(a[i],pivot)) { //i-> ,lt -> exchange(a,lt++,i++); }else if(lessThan(pivot,a[i])) { exchange(a,i,gt--); }else{ i++; } } // a[low..lt-1] < v = a[lt..gt] < a[gt+1..high]. perform(a,low,lt - 1); perform(a,gt + 1,high); }
歸并排序：
/** * 小于等于這個值的時候，交給插入排序 */ private final int cutoff = 8; /** * 對給定的元素序列進(jìn)行排序 * * @param a 給定元素序列 */ @Override publicvoid perform(Comparable [] a) { Comparable [] b = a.clone(); perform(b, a, 0, a.length - 1); } private void perform(Comparable [] src,Comparable [] dest,int low,int high) { if(low >= high) return; //小于等于cutoff的時候,交給插入排序 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); //考慮局部有序 src[mid] <= src[mid+1] if(lessThanOrEqual(src[mid],src[mid+1])) { System.arraycopy(src,low,dest,low,high - low + 1); } //src[low .. mid] + src[mid+1 .. high] -> dest[low .. high] merge(src,dest,low,mid,high); } private void merge(Comparable [] src,Comparable [] 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++]; } } }
數(shù)據(jù)太多，遞歸太深 ->棧溢出？加大Xss？
數(shù)據(jù)太多，數(shù)組太長 -> OOM？加大Xmx?
耐心不足，沒跑出來.而且要將這么大的文件讀入內(nèi)存，在堆中維護(hù)這么大個數(shù)據(jù)量，還有內(nèi)排中不斷的拷貝，對棧和堆都是很大的壓力，不具備通用性。
sort命令來跑
sort -n bigdata -o bigdata.sorted
跑了多久呢？24分鐘.
為什么這么慢？
粗略的看下我們的資源：
1. 內(nèi)存
jvm-heap/stack，native-heap/stack,page-cache，block-buffer
2. 外存
swap + 磁盤數(shù)據(jù)量很大，函數(shù)調(diào)用很多，系統(tǒng)調(diào)用很多，內(nèi)核/用戶緩沖區(qū)拷貝很多，臟頁回寫很多，io-wait很高，io很繁忙，堆棧數(shù)據(jù)不斷交換至swap，線程切換很多，每個環(huán)節(jié)的鎖也很多.
總之，內(nèi)存吃緊，問磁盤要空間，臟數(shù)據(jù)持久化過多導(dǎo)致cache頻繁失效，引發(fā)大量回寫，回寫線程高，導(dǎo)致cpu大量時間用于上下文切換，一切，都很糟糕，所以24分鐘不細(xì)看了，無法忍受.
位圖法
private BitSet bits; public void perform( String largeFileName, int total, String destLargeFileName, Castorcastor, int readerBufferSize, int writerBufferSize, boolean asc) throws IOException { System.out.println("BitmapSort Started."); long start = System.currentTimeMillis(); bits = new BitSet(total); InputPart largeIn = PartFactory.createCharBufferedInputPart(largeFileName, readerBufferSize); OutputPart largeOut = PartFactory.createCharBufferedOutputPart(destLargeFileName, writerBufferSize); largeOut.delete(); Integer data; int off = 0; try { while (true) { data = largeIn.read(); 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分來鐘.
以核心內(nèi)存4663M/32大小的空間跑出這么個結(jié)果，而且大量時間在用于I/O，不錯.
問題是，如果這個時候突然內(nèi)存條壞了1、2根，或者只有極少的內(nèi)存空間怎么搞？
外部排序
該外部排序上場了.
外部排序干嘛的？
內(nèi)存極少的情況下，利用分治策略，利用外存保存中間結(jié)果，再用多路歸并來排序; map-reduce的嫡系.
1.分
內(nèi)存中維護(hù)一個極小的核心緩沖區(qū)memBuffer，將大文件bigdata按行讀入，搜集到memBuffer滿或者大文件讀完時，對memBuffer中的數(shù)據(jù)調(diào)用內(nèi)排進(jìn)行排序，排序后將有序結(jié)果寫入磁盤文件bigdata.xxx.part.sorted.
循環(huán)利用memBuffer直到大文件處理完畢，得到n個有序的磁盤文件：
2.合
現(xiàn)在有了n個有序的小文件，怎么合并成1個有序的大文件？
把所有小文件讀入內(nèi)存，然后內(nèi)排？
(⊙o⊙)…
no!
利用如下原理進(jìn)行歸并排序：
我們舉個簡單的例子：
文件1：3,6,9
文件2：2,4,8
文件3：1,5,7第一回合：
文件1的最小值：3 , 排在文件1的第1行
文件2的最小值：2，排在文件2的第1行
文件3的最小值：1，排在文件3的第1行
那么，這3個文件中的最小值是：min(1,2,3) = 1
也就是說，最終大文件的當(dāng)前最小值，是文件1、2、3的當(dāng)前最小值的最小值，繞么？
上面拿出了最小值1，寫入大文件.第二回合：
文件1的最小值：3 , 排在文件1的第1行
文件2的最小值：2，排在文件2的第1行
文件3的最小值：5，排在文件3的第2行
那么，這3個文件中的最小值是：min(5,2,3) = 2
將2寫入大文件.也就是說，最小值屬于哪個文件，那么就從哪個文件當(dāng)中取下一行數(shù)據(jù).（因為小文件內(nèi)部有序，下一行數(shù)據(jù)代表了它當(dāng)前的最小值）
最終的時間，跑了771秒，13分鐘左右.
less bigdata.sorted.text
...
9999966
9999967
9999968
9999969
9999970
9999971
9999972
9999973
9999974
9999975
9999976
9999977
9999978
...
關(guān)于利用Java 怎么對超大的文件進(jìn)行排序就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
標(biāo)題名稱：利用Java怎么對超大的文件進(jìn)行排序
本文鏈接：http://www.ef60e0e.cn/article/jjiioi.html
