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：

  1. 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Nlog(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)
  2. 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。
  3. 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)。
  4. 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。