为什么称为堆排序最适合外部排序？

Question

在研究排序算法时，它被称为堆排序用于外部排序。 在处理外部存储时，我无法弄清楚它在排序技术方面有何不同？或者什么是堆排序唯一被认为对外部排序有用的东西？

有人可以解释一下吗？

Answer 1

我们来自the Linux kernel code：

  

此函数在给定数组上执行堆操作。排序时间是平均和最差情况下的O（n log n）。虽然qsort的平均速度提高了大约20％，但它遭受了可利用的O（n * n）最坏情况行为和额外的内存需求，这使得它不太适合内核使用。

来自Wikipedia：

  

Heapsort还与合并排序竞争，合并排序具有相同的时间范围。合并排序需要Ω（n）辅助空间，但是heapsort只需要一个恒定的数量。实际上，在具有小型或慢速数据缓存的机器上，Heapsort运行速度更快，并且不需要那么多的外部存储器。

Answer 2

排序的外部部分是k-way合并排序。外部媒体上的数据块或文件（例如硬盘驱动器）会一次重复合并“k”，直到生成单个已排序的文件。

min-heap是实现k-way合并的内部部分的常用方法。

创建数据块或文件的初始传递可以是任何内部排序，如果需要稳定性，则可以稳定。在排序记录的情况下，合并排序可用于对指向记录的指针数组进行排序，这减少了空间要求，因为只有指针数组需要第二个数组，而不是记录的第二个数组。应该注意的是，对指针进行排序可能比排序记录慢，因为通过指针排序最终会随机访问记录以进行比较，这对缓存不友好。

大文本文件的Gnu排序是外部排序的一个示例。它一次读取一行“块”，创建指向行的指针，并在指针上使用合并排序，然后为每个排序的块创建一个临时文件。然后它在临时文件上执行16路（默认值为16）合并，直到它到达最终合并步骤，最终合并将进入指定的输出文件。

链接到来源。这是一个很大的计划，部分原因是它有很多选择。

http://git.savannah.gnu.org/cgit/coreutils.git/tree/src/sort.c

Answer 3

不是

  

堆排序最适合在外部排序

中创建初始运行

但使用堆创建初始运行会导致预期初始运行 length 大小是堆大小的两倍（对于统一因此，初始分配的运行次数是排序每一批记录并将其写入运行时（使用相同数量的RAM）的任何方法的一半。
通过双向合并，一半的初始运行可节省整个过程。如果使用高级合并方案，则高度合并（运行次数合并为一个）或通过次数（比率数据/ RAM大小）甚至会丢失影响。