面试热身：5 亿整数的大文件，排个序 ？

来源：

https://www.cnblogs.com/xupengzhang/p/7966755.html

问题

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：

61963023557681612158020393452095006174677379343122016371712330287901712966901...7005375

现在要对这个文件进行排序，怎么搞？

内部排序

先尝试内排，选2种排序方式：

private final int cutoff = 8;

public void 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;
        //当序列非常小，用插入排序
        if(n <= cutoff) {
            InsertionSort insertionSort = SortFactory.createInsertionSort();
            insertionSort.perform(a,low,high);
            //当序列中小时，使用median3
        }else if(n <= 100) {
            int m = median3(a,low,low + (n >>> 1),high);
            exchange(a,m,low);
            //当序列比较大时，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;
        //中心点
        Comparablepivot =  a[low];
        int i = low + 1;

        /*
        * 不变式：
        *   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] 待考察区域
        */

        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);
    }

归并排序：

/**
     * 小于等于这个值的时候，交给插入排序
     */
    private final int cutoff = 8;

    /**
     * 对给定的元素序列进行排序
     *
     * @param a 给定元素序列
     */
    @Override
    public void 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的时候,交给插入排序
        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);

        //考虑局部有序 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++];
            }
        }
    }

数据太多，递归太深 ->栈溢出？加大Xss？数据太多，数组太长 -> OOM？加大Xmx?

耐心不足，没跑出来.而且要将这么大的文件读入内存，在堆中维护这么大个数据量，还有内排中不断的拷贝，对栈和堆都是很大的压力，不具备通用性。

sort命令来跑

跑了多久呢？24分钟.

为什么这么慢？

粗略的看下我们的资源：

内存 jvm-heap/stack，native-heap/stack,page-cache，block-buffer 外存 swap + 磁盘 数据量很大，函数调用很多，系统调用很多，内核/用户缓冲区拷贝很多，脏页回写很多，io-wait很高，io很繁忙，堆栈数据不断交换至swap，线程切换很多，每个环节的锁也很多.

总之，内存吃紧，问磁盘要空间，脏数据持久化过多导致cache频繁失效，引发大量回写，回写线程高，导致cpu大量时间用于上下文切换，一切，都很糟糕，所以24分钟不细看了，无法忍受.

位图法

private BitSet bits;

    




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

        System.out.println("BitmapSort Started.");
        long start = System.currentTimeMillis();
        bits = new BitSet(total);
        InputPart<Integer> largeIn = PartFactory.createCharBufferedInputPart(largeFileName, readerBufferSize);
        OutputPart<Integer> 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;