名人博客阅读摘要三：外部排序

6. 外部排序

6.1 如何给10^7个数据量的磁盘文件排序

（1）位图方案。熟悉位图的朋友可能会想到用位图来表示这个文件集合。例如正如编程珠玑一书上所述，用一个20位长的字符串来表示一个所有元素都小于20的简单的非负整数集合，边框用如下字符串来表示集合{1,2,3,5,8,13}：0 1 1 1 0 1 0 0 1 0 0 0 0 1 0 0 00 0 0

上述集合中各数对应的位置则置1，没有对应的数的位置则置0。

（2）多路归并外部排序方案。

1、内存排序。由于要求的可用内存为1MB，那么每次可以在内存中对250K的数据进行排序，然后将有序的数写入硬盘。那么10M的数据需要循环40次，最终产生40个有序的文件。

2、归并排序。将每个文件最开始的数读入(由于有序，所以为该文件最小数)，存放在一个大小为40的first_data数组中；选择first_data数组中最小的数min_data，及其对应的文件索引index；将first_data数组中最小的数写入文件result，然后更新数组first_data(根据index读取该文件下一个数代替min_data)；判断是否所有数据都读取完毕，否则返回2。

所以，本程序按顺序分两步，第一步、Memory Sort，第二步、MergeSort。程序的流程图，如下图所示。