海量数据排序思路
核心方案：外排序（分治+多路归并）MapReduce
外排序是指数据量太大，无法全部加载到内存中，需要将数据分成多个小块进行排序，然后将排序后的小块合并成一个大的有序块
1.分块排序（Map阶段）
- 分块策略
按1G内存容量限制，将100G文件拆分为 200个500MB分块（保留内存用于排序计算和系统开销） - 内存排序
每个分块加载至内存后：
① 使用快速排序（时间复杂度O(n log n)）
② 去重优化：若存在重复ID，排序时合并相同项（节省存储空间），根据要求是否去重 - 临时文件写入
排序后分块写入磁盘，命名规则：chunk_0001.sorted ~ chunk_0200.sorted
2. 多路归并（Reduce阶段）
使用K路归并算法合并这些排序好的小文件
具体实现方法：
- 从每个小文件中读取一小部分数据到内存（例如每个文件读取几MB）
- 建立最小堆（优先队列）来追踪当前每个文件的最小值
- 每次从堆中取出最小值，写入输出文件
- 从该最小值所在的文件再读入一个ID到堆中
- 重复上述过程直到所有文件都处理完
具体示例：
- ① 分批归并：每轮合并50个分块（50路归并），共需4轮（200/50）
- ② 堆排序优化：使用 最小堆（PriorityQueue） 管理各分块当前读取值
内存管理：
| 区域 | 分配比例 | 说明 |
|---|---|---|
| 输入缓冲区 | 800MB | 每个分块预读16MB（50分块×16MB） |
| 输出缓冲区 | 200MB | 写满后批量刷新至磁盘 |
3.核心代码（Java实现）
阶段1：分割大文件，并排序小文件，输出多个小文件排序后的结果
private static List<File> splitAndSort(String inputFile) throws IOException {
List<File> chunks = new ArrayList<>();
try (BufferedReader reader = new BufferedReader(new FileReader(inputFile))) {
List<Long> buffer = new ArrayList<>(MAX_CHUNK_SIZE / 8);
String line;
while ((line = reader.readLine()) != null) {
buffer.add(Long.parseLong(line));
// 内存达到阈值时执行排序和写入
if (buffer.size() >= MAX_CHUNK_SIZE / 8) {
chunks.add(sortAndWrite(buffer));
buffer.clear();
}
}
// 处理剩余数据
if (!buffer.isEmpty()) {
chunks.add(sortAndWrite(buffer));
}
}
return chunks;
}
阶段2：多路归并，使用最小堆优化
private static void mergeFiles(List<File> files, String output) throws IOException {
PriorityQueue<FileEntry> minHeap = new PriorityQueue<>(
files.size(),
Comparator.comparingLong(FileEntry::current)
);
// 初始化堆（每个文件读取一个元素）
for (File file : files) {
BufferedReader reader = new BufferedReader(new FileReader(file));
String line = reader.readLine();
if (line != null) {
minHeap.offer(new FileEntry(Long.parseLong(line), reader));
}
}
try (BufferedWriter writer = new BufferedWriter(new FileWriter(output))) {
while (!minHeap.isEmpty()) {
FileEntry entry = minHeap.poll();
writer.write(entry.current.toString());
writer.newLine();
// 从当前文件读取下一个元素
String line = entry.reader.readLine();
if (line != null) {
entry.current = Long.parseLong(line);
minHeap.offer(entry);
} else {
entry.reader.close(); // 关闭已读完的文件
}
}
}
}
