<2014-01-06 14:53:06> MergeSorter排序40000个数1次所用平均时间为：19.0011 毫秒 <2014-01-06 14:53:06> MergeSorter排序60000个数1次所用平均时间为：26.0015 毫秒 <2014-01-06 14:53:06> MergeSorter排序80000个数1次所用平均时间为：36.0021 毫秒 <2014-01-06 14:53:06> MergeSorter排序100000个数1次所用平均时间为：45.0026 毫秒 <2014-01-06 14:53:06> MergeSorter排序120000个数1次所用平均时间为：54.003 毫秒 <2014-01-06 14:53:06> HeapSorter排序40000个数1次所用平均时间为：26.0015 毫秒 <2014-01-06 14:53:06> HeapSorter排序60000个数1次所用平均时间为：37.0021 毫秒 <2014-01-06 14:53:06> HeapSorter排序80000个数1次所用平均时间为：52.003 毫秒 <2014-01-06 14:53:06> HeapSorter排序100000个数1次所用平均时间为：98.0056 毫秒 <2014-01-06 14:53:06> HeapSorter排序120000个数1次所用平均时间为：82.0047 毫秒 <2014-01-06 14:53:06> ShellSorter排序40000个数1次所用平均时间为：16.0009 毫秒 <2014-01-06 14:53:06> ShellSorter排序60000个数1次所用平均时间为：25.0015 毫秒 <2014-01-06 14:53:06> ShellSorter排序80000个数1次所用平均时间为：36.0021 毫秒 <2014-01-06 14:53:06> ShellSorter排序100000个数1次所用平均时间为：49.0028 毫秒 <2014-01-06 14:53:06> ShellSorter排序120000个数1次所用平均时间为：55.0031 毫秒 <2014-01-06 14:53:10> InsertSorter排序40000个数1次所用平均时间为：3529.2019 毫秒 <2014-01-06 14:53:17> InsertSorter排序60000个数1次所用平均时间为：6832.3908 毫秒 <2014-01-06 14:53:30> InsertSorter排序80000个数1次所用平均时间为：13641.7802 毫秒 <2014-01-06 14:53:55> InsertSorter排序100000个数1次所用平均时间为：24231.3859 毫秒 <2014-01-06 14:54:22> InsertSorter排序120000个数1次所用平均时间为：26997.5441 毫秒 <2014-01-06 14:54:27> SelectSorter排序40000个数1次所用平均时间为：5179.2962 毫秒 <2014-01-06 14:54:39> SelectSorter排序60000个数1次所用平均时间为：12218.6989 毫秒 <2014-01-06 14:55:02> SelectSorter排序80000个数1次所用平均时间为：22897.3096 毫秒 <2014-01-06 14:55:34> SelectSorter排序100000个数1次所用平均时间为：32309.848 毫秒 <2014-01-06 14:56:23> SelectSorter排序120000个数1次所用平均时间为：48798.7911 毫秒 <2014-01-06 14:56:38> CockTailSorter排序40000个数1次所用平均时间为：15111.8643 毫秒 <2014-01-06 14:57:20> CockTailSorter排序60000个数1次所用平均时间为：41585.3785 毫秒 <2014-01-06 14:58:29> CockTailSorter排序80000个数1次所用平均时间为：68822.9364 毫秒 <2014-01-06 15:00:18> CockTailSorter排序100000个数1次所用平均时间为：109633.2707 毫秒 <2014-01-06 15:03:04> CockTailSorter排序120000个数1次所用平均时间为：165733.4794 毫秒 <2014-01-06 15:03:27> BubbleSorter排序40000个数1次所用平均时间为：22954.3129 毫秒 <2014-01-06 15:04:17> BubbleSorter排序60000个数1次所用平均时间为：50343.8795 毫秒 <2014-01-06 15:05:45> BubbleSorter排序80000个数1次所用平均时间为：87452.002 毫秒 <2014-01-06 15:07:59> BubbleSorter排序100000个数1次所用平均时间为：134614.6996 毫秒 <2014-01-06 15:11:12> BubbleSorter排序120000个数1次所用平均时间为：192812.0282 毫秒 <2014-01-06 15:11:12> QuickSorter排序40000个数1次所用平均时间为：19.0011 毫秒 <2014-01-06 15:11:12> QuickSorter排序60000个数1次所用平均时间为：66.0038 毫秒 <2014-01-06 15:11:12> QuickSorter排序80000个数1次所用平均时间为：32.0018 毫秒 <2014-01-06 15:11:12> QuickSorter排序100000个数1次所用平均时间为：42.0024 毫秒 <2014-01-06 15:11:12> QuickSorter排序120000个数1次所用平均时间为：44.0025 毫秒
排序算法大数据量测试结果
2014-01-08
1194
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
简介：
<2014-01-06 14:53:06> MergeSorter排序40000个数1次所用平均时间为：19.0011 毫秒<2014-01-06 14:53:06> MergeSorter排序60000个数1次所用平均时间为：26.0015 毫秒<2014-01-06 14:53:06> MergeSorter排序80000个数1次所用
相关实践学习
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品，是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法，从场景到实践，体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库，助力开发者学习了解先进的技术栈，并能在实际业务中敏捷的进行大数据分析，赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景，可应用MaxCompute实现数仓搭建，快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理，需要搭建数据仓库？学它！ 没有足够人员和经验来运维大数据平台，不想自建IDC买机器，需要免运维的大数据平台？会SQL就等于会大数据？学它！ 想知道大数据用得对不对，想用更少的钱得到持续演进的数仓能力？获得极致弹性的计算资源和更好的性能，以及持续保护数据安全的生产环境？学它！ 想要获得灵活的分析能力，快速洞察数据规律特征？想要兼得数据湖的灵活性与数据仓库的成长性？学它！ 出品人：阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps
目录
相关文章
|
3天前
|
分布式计算
Shell
MaxCompute
|
2月前
|
并行计算
算法
测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略，涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略，涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面，旨在通过综合策略提升程序性能，满足实际需求。
67
1
1
|
2月前
|
缓存
算法
大数据
|
2月前
|
机器学习/深度学习
数据采集
算法
|
2月前
|
分布式计算
Java
开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景，随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码，发现使用的`nativeBooster.saveModel`方法不支持OSS路径，而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令，帮助用户顺利迁移模型存储路径。
95
1
1
|
3月前
|
分布式计算
Hadoop
大数据
大数据体系知识学习（一）：PySpark和Hadoop环境的搭建与测试
这篇文章是关于大数据体系知识学习的，主要介绍了Apache Spark的基本概念、特点、组件，以及如何安装配置Java、PySpark和Hadoop环境。文章还提供了详细的安装步骤和测试代码，帮助读者搭建和测试大数据环境。
92
1
1
|
3月前
|
SQL
分布式计算
NoSQL
|
3月前
|
JSON
算法
数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算（目标检测）
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析（包括TP、FP、FN、TN、精准率和召回率），接口处理，数据集处理，以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例，用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
86
0
0
|
3月前
|
运维
监控
数据可视化
大数据-171 Elasticsearch ES-Head 与 Kibana 配置 使用 测试
大数据-171 Elasticsearch ES-Head 与 Kibana 配置 使用 测试
101
1
2
|
3月前
|
SQL
消息中间件
大数据