如何对长度可变的句子进行排序？

Question

假设我有一个多行字符串的文件，如何按字典顺序对字符串行进行排名？

详细信息：

• 文件大小约为 32GB ytes;
• 每行可以被视为一个句子，其中包含由空格分隔的可变数量的单词，即每行的长度不固定;
• 每个单词仅包含ASCII字符;
• 我只有 8 GB 的内存但无限的磁盘空间;

我能弄清楚的是外部合并排序，对于这个指定的问题有没有更好的想法？

Answer 1

文件大小和内存之间的差异并不大，因此我建议根据第一个字母将文件拆分为更小的文件 - 或者如果不够，请使用前两个字母。

然后你可以用快速排序对它们进行排序并保存，然后将它们分类，你可以将它们重新组合在一起。

它仍然是O（N）I / O操作和O（n * log（N））CPU操作。

PS：外部合并排序也很好。