这是破解编码访谈的另一个问题，我在阅读后仍有一些疑问。
9.4 If you have a 2 GB file with one string per line, which sorting algorithm
would you use to sort the file and why?
解
当面试官给出2GB的大小限制时，它应该告诉你一些东西 - 在这种情况下，它表明他们不希望你把所有数据都带入内存。 那么我们该怎么办？我们只将部分数据带入内存.. 算法：
我们有多少内存？假设我们有可用的X MB内存。
将文件分为K个块，其中X * K = 2 GB。将每个块放入内存并使用任何O（n log n）算法照常排序。将行保存回文件。
现在将下一个块带入内存并排序。
完成后，请逐一合并。
上述算法也称为外部排序。步骤3称为N路合并 使用外部排序的基本原理是数据的大小。由于数据太大而我们无法将其全部存入内存，因此我们需要采用基于磁盘的排序算法。
怀疑：
当在步骤3中进行合并排序时，在比较2个数组时，每次比较时我们是否需要2 * X空间？限制是X MB。我们应该把块打成（X / 2）* 2K = 2GB吗？这样每个块将是X / 2 MB，并且将有2K块。或者我只是理解合并排序错误？ 谢谢！
答案 0 :(得分：9)
http://en.wikipedia.org/wiki/External_sorting
快速浏览维基百科告诉我，在合并过程中，你永远不会在内存中占据一大块。所以基本上，如果你有K块，你将有K个打开文件指针，但在任何给定时间你只能从内存中的每个文件中保留一行。您将比较内存中的行，然后将最小的行（例如，从块5）输出到已排序的文件（也是打开的文件指针，而不是内存中），然后用该文件中的下一行覆盖该行（在我们的示例中，将文件5）存入内存并重复，直到到达所有块的末尾。
答案 1 :(得分：6)
首先，第3步本身不是合并排序，整个事物是合并排序。第3步只是一个合并，根本不涉及任何排序。
至于所需的存储空间，有两种可能性。
第一种是将分类数据合并为两组。假设你有三组：
A: 1 3 5 7 9
B: 0 2 4 6 8
C: 2 3 5 7
使用该方法，您可以将A和B合并到一个组Y，然后将Y和C合并到最终结果{{ 1}}：
Z这具有非常小的常量内存要求的优点，因为您只需要存储两个列表中的每一个的“next”元素，但是，当然，您需要执行多个合并操作。
第二种方式是“正确的”N路合并，您可以从任何组中选择下一个元素。有了它，您将检查每个列表中的最低值，以查看下一个列表：
Y: 0 1 2 3 4 5 6 7 8 9 (from merging A and B).
Z: 0 1 2 2 3 3 4 5 5 6 7 7 8 9 (from merging Y and C).
这只涉及一次合并操作，但它需要更多存储空间，基本上每个列表只有一个元素。
您选择哪一项取决于可用内存和元素大小。
例如，如果您有100M内存可供使用且元素大小为100K，则可以使用后者。这是因为，对于2G文件，您需要20个组（每组100M）用于排序阶段，这意味着正确的N路合并将需要100K乘20或大约2M，远低于您的内存可用性。
或者，假设您只有1M可用。这将是大约2000（2G / 1M）组，并乘以100K给出200M，远远超出你的容量。
所以你必须在多次传递中进行合并。请记住，它不必是合并两个列表的多次传递。
你可以找到一个中间地带，例如每个通道合并十个列表。十组100K只是一个兆位，因此将适合你的内存约束，这将导致更少的合并传递。
答案 2 :(得分：2)
合并过程比这简单得多。您将把它们输出到一个新文件，但基本上您只需要常量内存：您只需要一次从两个输入文件中的每一个读取一个元素。