外部排序简介

     在许多实际应用系统中，经常遇到要对数据文件中的记录进行排序处理。由于文件中的记录很多、信息量庞大，整个文件所占据的存储单元远远超过一台计算机的内存容量。因此，无法把整个文件输入内存中进行排序。于是，就有必要研究适合于处理大型数据文件的排序技术。通常，这种排序往往需要借助于具有更大容量的外存设备才能完成。相对于仅用内存进行排序（又称为内排序）而言，这种排序方法就叫做外排序。在实际应用中，由于使用的外存设备不同，通常又可以分为磁盘文件排序和磁带文件排序两大类。磁带排序和磁盘排序的基本步骤相类似，它们的主要不同之处在于初始归并段在外存贮介质中的分布方式，磁盘是直接存取设备，磁带是顺序取设备。
　　外部排序基本上由两个相对独立的阶段组成。首先，按可用内存大小，将外存上含n个记录的文件分成若干长度为h的子文件，依次读入内存并利用有效的内部排序方法对它们进行排序，并将排序后得到的有序子文件重新写入外存，通常称这些有序子文件为归并段或顺串；然后，对这些归并段进行逐趟归并，使归并段（有序的子文件）逐渐由小到大，直至得到整个有序文件为止。
　　最简单的归并方法类似于内部排序中的二路归并算法。二路归并排序的方法，其基本思想就是：先把具有n个记录的文件看作是由n个长度为1的顺串构成的。在此基础上进行一趟又一趟的归并。一趟归并，是把文件中每一对长度为 h的顺串合并成一个长度为2h的顺串；其结果将使文件中顺串的长度增加一倍而使顺串的数量减少一半。经过若干趟归并之后，当文件中只含有一个长度为n的顺串时，整个文件的排序就完成了。
　　还有一种常用的快速的多路归并法：多路归并排序。多路归并排序是二路归并排序的推广，它可以减少归并趟数，m 路归并排序的基本方法是：开始，把若干长度为K的初始顺串尽量均匀地分布到m个输入文件f1...,fm上。然后反复从f1,...,fm各读一个顺串，归并成长度为mk的顺串，轮流地写到输出文件g1,...,gm上。下一趟从g1,...,gm归并到f1,...,fm.一趟又趟地反复进行，直到排序结束。在进行多路归并时，需要从K个记录中选关键字最小的记录，为了不增加内部归并时需进行关键字比较的次数，在具体实现时，通常不用选择排序的方法，而用"败者树"来实现。又从外部的趟数[logkm]可见，若减少m也可减少外排的时间，对待排序的初始记录进行"置换选择排序"可以得到平均长度为2h的有序子序列。这些内容在此不予讨论，有兴趣者可参阅有关参考书。

　　小　结

　　本章共介绍了五种内排序算法，它们是：直接插入排序，快速排序、直接选择排序、堆排序和归并排序。另外辅助性地介绍了冒泡排序和树形选择排序。重点在前五种排序算法。
　　一般说来，比较简单的排序（如直接插入、直接选择、冒泡排序等）所需要的时间代价大，为O（n2），但在某些特殊情况下可能取得很好的效果。例如，当初始序列已排序或接近排序的情况下，直接插入排序和冒泡排序的时间代价可能达到O(n)量级。另外，在待排序序列中记录数较小时，多采用算法简单的排序。当记录数较大，并且没有规律时，可采用快速排序、堆排序、直接选择排序是不稳定的排序，其它排序都是稳定的。
　　外排序的基本方法是归并。归并的思想本来是简单的；但为了减少访问外存的次数，减少外设的台数和输入输出缓冲区的个数，并使主机和外设尽量并行工作，这就给外排序的讨论增加了难度。