<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 毫秒作者：jiankunking 出处：http://blog.csdn.net/jiankunking
排序算法大数据量测试结果
2014-01-08
1049
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次所用平均时
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
|
1月前
|
机器学习/深度学习
算法
搜索推荐
从理论到实践，Python算法复杂度分析一站式教程，助你轻松驾驭大数据挑战！
【10月更文挑战第4天】在大数据时代，算法效率至关重要。本文从理论入手，介绍时间复杂度和空间复杂度两个核心概念，并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2)，空间复杂度为O(1)；快速排序平均时间复杂度为O(n log n)，空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略，帮助你在大数据挑战中游刃有余。
54
4
4
|
1月前
|
存储
分布式计算
算法
大数据-106 Spark Graph X 计算学习 案例：1图的基本计算、2连通图算法、3寻找相同的用户
大数据-106 Spark Graph X 计算学习 案例：1图的基本计算、2连通图算法、3寻找相同的用户
58
0
0
|
3月前
|
机器学习/深度学习
自然语言处理
算法
|
4天前
|
缓存
算法
大数据
|
11天前
|
机器学习/深度学习
数据采集
算法
|
6月前
|
存储
分布式计算
算法
【底层服务/编程功底系列】「大数据算法体系」带你深入分析MapReduce算法 — Shuffle的执行过程
【底层服务/编程功底系列】「大数据算法体系」带你深入分析MapReduce算法 — Shuffle的执行过程
95
0
1
|
4月前
|
机器学习/深度学习
算法
搜索推荐
从理论到实践，Python算法复杂度分析一站式教程，助你轻松驾驭大数据挑战！
【7月更文挑战第22天】在大数据领域，Python算法效率至关重要。本文深入解析时间与空间复杂度，用大O表示法衡量执行时间和存储需求。通过冒泡排序(O(n^2)时间，O(1)空间)与快速排序(平均O(n log n)时间，O(log n)空间)实例，展示Python代码实现与复杂度分析。策略包括算法适配、分治法应用及空间换取时间优化。掌握这些，可提升大数据处理能力，持续学习实践是关键。
120
1
1
|
4月前
|
存储
监控
算法
「AIGC算法」大数据架构Lambda和Kappa
**Lambda与Kappa架构对比：**
Lambda提供批处理和实时处理，保证数据最终一致性，但维护复杂。Kappa简化为单一流处理，易于维护，适合实时场景，但可能增加实时处理压力，影响稳定性。选择时考虑数据一致性、系统维护、成本和实时性需求。
96
0
0
|
5月前
|
分布式计算
算法
搜索推荐
Java中可以用的大数据推荐算法
在Java中实现大数据推荐算法，通常使用Apache Mahout、Weka、DL4J或Spark MLlib。本文简要介绍了三种推荐算法：基于内容的推荐、协同过滤推荐和深度学习推荐，以及它们的使用场景。提供了每种算法的伪代码或关键代码片段。基于内容的推荐适用于有用户历史行为和物品内容信息的场景，而协同过滤适用于大量用户行为数据的场景，深度学习推荐则用于处理复杂特征。在实现时，注意数据预处理、特征提取、用户画像构建和相似度计算。
145
1
1
|
4月前
|
机器学习/深度学习
数据采集
算法
【机器学习】CART决策树算法的核心思想及其大数据时代银行贷款参考案例——机器认知外界的重要算法
【机器学习】CART决策树算法的核心思想及其大数据时代银行贷款参考案例——机器认知外界的重要算法
122
0
0
热门文章
最新文章
1
测试开启MySQL performance_schema后对性能的影响
2
5G加速商业化 移动边缘计算测试年内完成
3
云数据库（国产）测试结果总结
4
文件时间信息在测试中的应用
5
postgresql 9.6 建立多列索引测试
6
VSTS 通过生成中未通过的测试自动创建 Bug 工作项
7
oracle-dg-如何将dg备库切换为snapshot模式-可读写-供业务功能测试
8
测试思维之用户名的（Label）标签
9
c++工程包含测试
10
测试1——v$open_cursor视图和session_cached_cursors参数的关系
1
MVVM模型，虚拟DOM和diff算法
224
2
Opencv（C++）学习系列---Laplacian拉普拉斯边缘检测算法
283
3
Opencv(C++)学习系列---Canny边缘检测算法
182
4
使用python实现FP-Growth算法
264
5
使用C语言实现DES算法代码
171
6
ICLR 2024：近似最优的最大损失函数量子优化算法
150
7
基于yolov2深度学习网络的视频手部检测算法matlab仿真
131
8
Python基础算法解析：支持向量机（SVM）
152
9
探索数据结构在算法优化中的关键作用
156
10
视觉智能平台常见问题之算法私有化部署交付给公司内部运行如何解决
121