共计 1074 个字符，预计需要花费 3 分钟才能阅读完成。
当初有一批日志数据，大小为 1TB，数据是某一天的生产的日志数据，当初只有一台单 CPU 及 8G 内存的机器，请应用算法对此日志数据按工夫的先后顺序进行排序。
解决方案 1：桶排序
它的原理是利用分区字段的特点，将数据别离写入到多个桶文件中，再针对每个桶文件应用内存排序算法（如疾速排序），将文件内容进行排序输入到有序桶文件中。最初将这些文件按分桶的程序组合起来，造成最终有序的文件。
- 划分桶，在问题中，咱们须要排序的是日志中的工夫，而工夫是很容易划分出桶的，而工夫应用哪个维度来划分桶是咱们所面临的问题？如果抉择分钟可失去 1440 个桶，每个桶均匀就是 0.7G 左右，但像日志中数据可能有数据集中的问题，尤其是像 1TB 这么大的日志，顶峰时间段可能是均匀的 10 倍，分桶可能十分的不均匀；这样倡议再升高维度应用秒，一天可最多失去 86400 个分桶。均匀每个文件只有 12M 左右，顶峰也不过才 120M，所以抉择秒是比拟适合的分桶。
- 再将数据按秒划分到各个桶即可。
- 再将各个桶内的数据进行排序。
- 最初按桶的先后顺序，合并到一个文件中，就失去了 1TB 日志的排序后果。
桶排序的特点：
- 桶排序的工夫复杂度为 O(n), 如果有 N 个数据，划分出 M 个桶。每个桶内元素 (T=N/M)，如果桶内排序算法采纳疾速排序，工夫复杂度 O(TlogT),M 个桶的工夫复杂度就是 O(MTlogT), 再加上 T =N/M, 即可失去 N log(N/M)，当 M 与 N 靠近时，工夫复杂度为常量级，这时候桶排序工夫复杂度靠近 O(N)
- 对排序的数据要求很刻薄，数据必须很容易的划分出 M 个桶，桶与桶之前有着人造的大小程序。对每个桶内的数据排序实现后，桶与桶之前无需再进行排序。
- 桶内的数据在各个桶内须必较均匀。如果通过桶的划分。桶内的数据十分不均匀，有的十分多，有的非常少，工夫复杂度将不再是 O(N)，可能进化为 (N*logN)。
- 桶排序比拟适宜内部排序。即为对磁盘文件进行排序，因为个别磁盘文件数据量较大，无奈一次全副加载到内存中
解决方案 2：归并排序
它的核心思想：分而治之，具原本说就是将大数据分解成一个一个小数据，将小数据进行排序，而后再将这些小数据合并排序成终最终有序的数据。
- 将 1TB 的文件按固定大小进行切分，比方大小 256M，读取时可按行读取，限度大小在 256M 以内，需保障残缺的行，这样能够切出大概 4096 个文件。
- 将这 4096 个文件，应用疾速排序算法对这每个文件进行排序操作，可失去 4096 个排序的文件
- 将这 4096 个文件进行合并输入，合并的逻辑就是从每个文件中顺次获取数据，排序，输入，就像示例中的那样。就能够失去一个最终有序的文件。
正文完
