飞翔的荷兰人

BloomFilter算法是在1970年提出的算法，具有很好的空间和时间效率，内部是依赖一些列hash算法和数组的。被用来检测一个元素是不是集合中的一个成员，允许有一定的出错率：如果某个数据被判断不在集合中，那么该数据就一定不会在这个集合中；由于hash会有碰撞存，那么如果判断某数据在集合内，这会种判断可能出错。一句话，就是判断为"false"的就一定不会有错，而判断为"true"...

在Hadoop中，排序是MapReduce框架中最重要的操作之一，Map Task和Reduce Task都会对数据按照key排序，不管逻辑上是否真的需要排序，任何程序中的数据都会被排序，这是Hadoop的默认行为。 [b]MapReduce中使用了两种排序算法：快速排序和优先队列。在Map和Reduce Task的缓冲区使用的是快速排序，而对磁盘上的IFile文...

插入排序是一中经常使用的算法，特别适合于部分有序和小规模数组的排序。[b]相同情况下它比选择排序的速度要快一倍；在小规模数据集的排序中，也比快速排序要快。[/b] 插入排序是一种稳定的排序算法，其排序时间受待排序的数组中的元素顺序的影响较大。 其思想是：[b]将整个待排序的数组分为有序和无序的两部分，每次处理就是将无序数列的第一个元素与有序数列的...

相对于[url=http://flyingdutchman.iteye.com/blog/1871434]最小优先队列[/url]，最大优先队列的代码如下：[code="java"] package org.test;/************************************************************************* ...

在很多应用中，会允许引用优先队列中的数据，我们可以把这种数据结构看作是能够快速访问其最小元素的数组。[code="java"]package org.test;/************************************************************************* * Compilation: javac Index...

在现实的生活工作中，有许多情况下都要处理有序的元素，但又不要求全部有序，再或者不要求一次就将它们全部排序，这种情况下一种叫“优先队列”的算法就派上了用场。比如说，不要求全排序一个大数据集合的数据，或内存一次装不下整个数据集，但是要求获得最大或最小的M有序的数组。 本节我们会学习基于二叉堆数据结构的优先队列的实现。优先队列最重要的操作就是删除最大元素和插入元素两种操作...

在之前的《快速排序及改进》中，已经对快速排序做了改进；但是在实际的工作环境中，经常会遇到含有大量重复元素的数组，也经常会对这样的数组排序，对这样的数组排序，快速排序性能还可以，但是可以有更大的性能改进，将快速排序的的时间复杂度有对数级提高到线性级别。 [b]三向切分的快速排序是对快速排序算法改进，特别适用于有大量重复元素的数组的排序，其时间复杂度介于N - Nlo...

找出一个组元素中的中位数(中间值，它不大于一半的元素也不小于另一半的元素)，是一个和排序有关但又不需要完全排序的重要应用。查找中位数在统计和许多数据处理中很常见。 可以把查找中位数看成是一种特殊的选择：在数组中查找第k个小或大的元素。我们可以回想前面《快速排序及改进》中的partition(Comparable[] a,int lo,int hi)方法，它会将数组...

在初等的基本排序算法中，插入排序、归并排序和快速排序是常用的排序算法，实现简单，但很高效，它在空间复杂度和时间复杂度之前取得了最佳的平衡，这也是在现实工作中最常用的原因。 下面是一些基本排序算法的比较：[img]http://dl.iteye.com/upload/attachment/0084/1628/c3e718d0-00eb-3b5e-a9a2-319...

hbase内部是使用Log-Structured Merge-Tree说索引的，即LSM-tree，当然是为hbase做过优化的。 LSM-tree是一个优秀的算法，思想来源于日志文件系统，本身是为提高B-树在更新插入数据时的性能而提出来的，主要优点就是通过将很多小文件的存取转换为连续的大批量传输，使得对于文件系统的大多数存取都是顺序性的，从而提高磁盘带宽利用率；故障恢复速度快。...