給你1個文件bigdata，大小4663M，5億個數(shù)，文件中的數(shù)據(jù)隨機(jī),如下一行一個整數(shù)：

61963023557681612158020393452095006174677379343122016371712330287901712966901...7005375

現(xiàn)在要對這個文件進(jìn)行排序，怎么搞？

先嘗試內(nèi)排，選2種排序方式：

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;//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;//lessThanint lt = low;//greaterThanint gt = high;//中心點(diǎn)Comparable<T> 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);}

/** * 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 */@Overridepublic <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;//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 <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++];}}}

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 -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.

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;                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？

該外部排序上場了.外部排序干嘛的？

1. 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;

1. map-reduce的嫡系.

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：

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?yàn)樾∥募?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...9999966999996799999689999969999997099999719999972999997399999749999975999997699999779999978...