微软笔试题 给一个包含10^7个整数的大文件排序

这个题目有一个前提条件，大文件的中的数据有有一个特点，那就是不存在重复的数据。就算是重复的数据，也只让你求出去除重复之后的那些数据的排序结果。

如果题目变成了这样，我们就可以考虑创建一个大的数组。数组的下表表示一个整数，数组的内容在我遍历文件的时候再赋值。如果数组下标代表的那个整数存在，我们就把数组的这个元素赋值为1，否则赋值为0.这样我们就可以再次遍历数组，把元素的值为1的那些下标输出到另一个文件，这样另一个文件中就存放了排好序的数据了。

上面的那个数组，其实我们可以用vector<bool>,或者bitset<n>;来实现，这就是所谓的位图算法，实现如下：

//对10^7个整数的文件进行排序，整数无重复，将排序的结果写到sorted_data.txt文件中。
//用位图的方法。
void sort_big_file_with_single_data()
{
	timer t;
	//生成一个大数集合，随机排列
	const int n=5000000;
	vector<int> a;
	for (int i=0;i<n;i++)
		a.push_back(i);

	variate_generator<mt19937, uniform_int<> > myrandom (mt19937(), uniform_int<>(0,n-1));
	for (int i=0; i<n; ++i)
		swap(a[myrandom()],a[myrandom()]);

	//写数据到文件
	ofstream fout("data.txt",ios::binary);
	if (!fout)
	{
		cout<<"can not open file to write"<<endl;
	}
	for (int i=0;i<n;i++)
	{
		fout.write(reinterpret_cast<const char*>(&a[i]),sizeof(int));
	}
	fout.close();




	//从文件中读取前100个数据并显示
	ifstream fin;
	fin.open("data.txt",ios::binary);
	for (int i=0,num=0;i<100;i++)
	{
		fin.read(reinterpret_cast<char*>(&num),sizeof(int));
		if (fin.eof())
		{
			break;
		}
		cout<<num<<" ";
	}
	fin.close();


	//对文件排序
	bitset<n> bit;
	bit.reset();
	//ifstream fin;
	fin.open("data.txt",ios::binary);
	int i=0;
	while (true)
	{
		fin.read(reinterpret_cast<char*>(&i),sizeof(int));
		if (fin.eof())
		{
			break;
		}
		bit[i]=true;
	}
	fin.close();
	//将排序的文件输出到sorted_data.txt
	//ofstream fout;
	fout.open("sorted_data.txt",ios::binary);
	for (int i=0;i<n;i++)
	{
		if (bit[i]==true)
		{
			fout.write(reinterpret_cast<const char*>(&i),sizeof(int));
		}
	}
	fout.close();
	cout<<"sort data "<<t.elapsed()<<" seconds needed"<<endl;


	//读取已经排序的文件并显示前100个数据
	fin.open("sorted_data.txt",ios::binary);
	for (int i=0,num=0;i<100;i++)
	{
		fin.read(reinterpret_cast<char*>(&num),sizeof(int));
		if (fin.eof())
		{
			break;
		}
		cout<<num<<" ";
	}
	fin.close();
}

上面对5百万个整数的文件进行排序，将结果输出到另外一个文件中，并显示输出文件的一部分作为测试结果。

这里的计时器用到了boost库中的timer，如果没有，下载boost的文件，解压后将boost文件夹放到VC++ IDE的include文件中即可