Erlang的算法-（一）递归快速排序和MapReduce分布式的快排

hjhjavac

于 2015-06-09 23:59:17 发布

阅读量2.6k

点赞数

CC 4.0 BY-SA版权

分类专栏： Erlang 数据结构和算法文章标签：算法 erlang 快速排序编程

本文链接：https://blog.youkuaiyun.com/hjhjava/article/details/46434049

本文探讨了如何使用Erlang的MapReduce方法实现快速排序算法，包括Map阶段将原始数据转化为中间结果，以及Reduce阶段整合这些结果以得出最终排序。通过示例代码展示了分布式计算在快速排序中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Erlang的作者Joe Armstrong发表了一段代码来表示MapReduce版本的Erlang标准lists:map/2方法
Map阶段：在这个阶段，通过Map过程，将原始数据列表，处理成中间数据，用于Reduce过程的处理
Reduce阶段：将Map阶段产生的中间数据综合归纳成输出结果

先看看下面这段代码，实现了lists:map/2的分布式计算

-module(pmap).
-export([pmap/2]).

pmap(F, L) ->
    S = self(),
    Pids = lists:map(fun(I) ->
        spawn(fun() -> do_fun(S, F, I) end)
    end, L),
    gather(Pids).

%% Reduce
gather([]) -> [];
gather([H|L]) ->
    receive
        {
   H, Result} -> [Result|gather(L)]
    end.

%% Map = F,F(I)生成MapResult中间结果
do_fun(Parent, F, I) -> 
    Parent ! {
   self(), (catch F(I))}.

扩展一下应用到我们快排中，代码如下:

-module(map_reduce).
-export([map_reduce/

最低0.47元/天解锁文章