数据结构实践——大数据集上排序算法性能的体验

2024-03-03 06:58

本文主要是介绍数据结构实践——大数据集上排序算法性能的体验,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文是针对[数据结构基础系列(9):排序]的实践项目。

【项目 - 大数据集上排序算法性能的体验】
设计一个函数,产生一个至少5万条记录的数据集合。在同一数据集上,用直接插入排序、冒泡排序、快速排序、直接选择排序、堆排序、归并排序、基数排序等算法进行排序,记录所需要的时间,经过对比,得到对复杂度不同的各种算法在运行时间方面的感性认识。

提示1:这一项目需要整合多种排序算法,可以考虑先建设排序算法库,作为我们这门课算法库的收官之作;
提示2:本项目旨在获得对于复杂度不同算法的感性认识,由于数据分布特点、计算机运行状态等不同,其结果并不能完全代替对算法复杂度的理论分析;
提示3:由于C语言标准提供的时间函数只精确到秒,几种 O(nlog 2 n)  级别的算法,在5万条记录的压力下,并不能明显地看出优劣,可以忽略直接插入排序、冒泡排序、直接选择排序这三种相对低效率的算法(以节约时间。若能够忍受他们长时间地运行,请自便。),成10倍地加大数据量,然后进行观察。

[参考解答]
1.测试用的主控程序——main.cpp

#include <stdio.h>
#include <malloc.h>
#include <stdlib.h>
#include <time.h>
#include "sort.h"void GetLargeData(RecType *&R, int n)
{srand(time(0));R=(RecType*)malloc(sizeof(RecType)*n);for(int i=0; i<n; i++)R[i].key= rand();  //产生0~RAND_MAX间的数printf("生成了%d条记录\n", n);
}//调用某一排序算法完成排序,返回排序用时
long Sort(RecType *&R, int n, void f(RecType*, int))
{int i;long beginTime, endTime;RecType *R1=(RecType*)malloc(sizeof(RecType)*n);for (i=0;i<n;i++)R1[i]=R[i];beginTime = time(0);f(R1,n);endTime = time(0);free(R1);return endTime-beginTime;
}//调用基数排序算法完成排序,返回排序用时
long Sort1(RecType *&R, int n)
{long beginTime, endTime;RadixRecType *p;CreateLink(p,R,n);beginTime = time(0);RadixSort(p);endTime = time(0);DestoryLink(p);return endTime-beginTime;
}int main()
{RecType *R;int n = MaxSize;   //测试中, MaxSize取50WGetLargeData(R, n);printf("各种排序花费时间:\n");printf("  直接插入排序:%ld\n", Sort(R, n, InsertSort));printf("  希尔排序:%ld\n", Sort(R, n, ShellSort));printf("  冒泡排序:%ld\n", Sort(R, n, BubbleSort));printf("  快速排序:%ld\n", Sort(R, n, QuickSort));printf("  直接选择排序:%ld\n", Sort(R, n, SelectSort));printf("  堆排序:%ld\n", Sort(R, n, HeapSort));printf("  归并排序:%ld\n", Sort(R, n, MergeSort));printf("  基数排序:%ld\n", Sort1(R, n));free(R);return 0;
}

2.头文件 —— sort.h

#ifndef SORT_H_INCLUDED
#define SORT_H_INCLUDED#define MaxSize 50000      //最多的数据,取5万,只测试快速算法,可以往大调整//下面的符号常量和结构体针对基数排序
#define Radix 10           //基数的取值
#define Digits 10          //关键字位数typedef int KeyType;    //定义关键字类型
typedef char InfoType[10];
typedef struct          //记录类型
{KeyType key;        //关键字项InfoType data;      //其他数据项,类型为InfoType
} RecType;              //排序的记录类型定义typedef struct node
{KeyType data;      //记录的关键字,同算法讲解中有差别struct node *next;
} RadixRecType;void InsertSort(RecType R[],int n); //直接插入排序
void ShellSort(RecType R[],int n);  //希尔排序算法
void BubbleSort(RecType R[],int n); //冒泡排序
void QuickSort(RecType R[],int n);  //快速排序
void SelectSort(RecType R[],int n);  //直接选择排序
void HeapSort(RecType R[],int n);  //堆排序
void MergeSort(RecType R[],int n); //归并排序//下面函数支持基数排序
void CreateLink(RadixRecType *&p,RecType R[],int n);   //创建基数排序用的链表
void DestoryLink(RadixRecType *&p); //释放基数排序用的链表
void RadixSort(RadixRecType *&p); //基数排序#endif // SORT_H_INCLUDED

3.算法的实现—— sort.cpp

#include "sort.h"
#include <malloc.h>//1. 对R[0..n-1]按递增有序进行直接插入排序
void InsertSort(RecType R[],int n)
{int i,j;RecType tmp;for (i=1; i<n; i++){tmp=R[i];j=i-1;            //从右向左在有序区R[0..i-1]中找R[i]的插入位置while (j>=0 && tmp.key<R[j].key){R[j+1]=R[j]; //将关键字大于R[i].key的记录后移j--;}R[j+1]=tmp;      //在j+1处插入R[i]}
}//2. 希尔排序算法
void ShellSort(RecType R[],int n)
{int i,j,gap;RecType tmp;gap=n/2;                //增量置初值while (gap>0){for (i=gap; i<n; i++) //对所有相隔gap位置的所有元素组进行排序{tmp=R[i];j=i-gap;while (j>=0 && tmp.key<R[j].key)//对相隔gap位置的元素组进行排序{R[j+gap]=R[j];j=j-gap;}R[j+gap]=tmp;j=j-gap;}gap=gap/2;  //减小增量}
}//3. 冒泡排序
void BubbleSort(RecType R[],int n)
{int i,j,exchange;RecType tmp;for (i=0; i<n-1; i++){exchange=0;for (j=n-1; j>i; j--)   //比较,找出最小关键字的记录if (R[j].key<R[j-1].key){tmp=R[j];  //R[j]与R[j-1]进行交换,将最小关键字记录前移R[j]=R[j-1];R[j-1]=tmp;exchange=1;}if (exchange==0)    //没有交换,即结束算法return;}
}//4. 对R[s]至R[t]的元素进行快速排序
void QuickSortR(RecType R[],int s,int t)
{int i=s,j=t;RecType tmp;if (s<t)                //区间内至少存在两个元素的情况{tmp=R[s];           //用区间的第1个记录作为基准while (i!=j)        //从区间两端交替向中间扫描,直至i=j为止{while (j>i && R[j].key>=tmp.key)j--;        //从右向左扫描,找第1个小于tmp.key的R[j]R[i]=R[j];      //找到这样的R[j],R[i]"R[j]交换while (i<j && R[i].key<=tmp.key)i++;        //从左向右扫描,找第1个大于tmp.key的记录R[i]R[j]=R[i];      //找到这样的R[i],R[i]"R[j]交换}R[i]=tmp;QuickSortR(R,s,i-1);     //对左区间递归排序QuickSortR(R,i+1,t);     //对右区间递归排序}
}//4. 快速排序辅助函数,对外同其他算法统一接口,内部调用递归的快速排序
void QuickSort(RecType R[],int n)
{QuickSortR(R, 0, n-1);
}//5. 直接选择排序
void SelectSort(RecType R[],int n)
{int i,j,k;RecType temp;for (i=0; i<n-1; i++)           //做第i趟排序{k=i;for (j=i+1; j<n; j++)   //在当前无序区R[i..n-1]中选key最小的R[k]if (R[j].key<R[k].key)k=j;            //k记下目前找到的最小关键字所在的位置if (k!=i)               //交换R[i]和R[k]{temp=R[i];R[i]=R[k];R[k]=temp;}}
}//6. 堆排序辅助之——调整堆
void sift(RecType R[],int low,int high)
{int i=low,j=2*i;                        //R[j]是R[i]的左孩子RecType temp=R[i];while (j<=high){if (j<high && R[j].key<R[j+1].key)  //若右孩子较大,把j指向右孩子j++;                                //变为2i+1if (temp.key<R[j].key){R[i]=R[j];                          //将R[j]调整到双亲结点位置上i=j;                                //修改i和j值,以便继续向下筛选j=2*i;}else break;                             //筛选结束}R[i]=temp;                                  //被筛选结点的值放入最终位置
}//6. 堆排序
void HeapSort(RecType R[],int n)
{int i;RecType temp;for (i=n/2; i>=1; i--) //循环建立初始堆sift(R,i,n);for (i=n; i>=2; i--) //进行n-1次循环,完成推排序{temp=R[1];       //将第一个元素同当前区间内R[1]对换R[1]=R[i];R[i]=temp;sift(R,1,i-1);   //筛选R[1]结点,得到i-1个结点的堆}
}//7.归并排序辅助1——合并有序表
void Merge(RecType R[],int low,int mid,int high)
{RecType *R1;int i=low,j=mid+1,k=0; //k是R1的下标,i、j分别为第1、2段的下标R1=(RecType *)malloc((high-low+1)*sizeof(RecType));  //动态分配空间while (i<=mid && j<=high)       //在第1段和第2段均未扫描完时循环if (R[i].key<=R[j].key)     //将第1段中的记录放入R1中{R1[k]=R[i];i++;k++;}else                            //将第2段中的记录放入R1中{R1[k]=R[j];j++;k++;}while (i<=mid)                      //将第1段余下部分复制到R1{R1[k]=R[i];i++;k++;}while (j<=high)                 //将第2段余下部分复制到R1{R1[k]=R[j];j++;k++;}for (k=0,i=low; i<=high; k++,i++) //将R1复制回R中R[i]=R1[k];
}//7. 归并排序辅助2——一趟归并
void MergePass(RecType R[],int length,int n)    //对整个数序进行一趟归并
{int i;for (i=0; i+2*length-1<n; i=i+2*length)     //归并length长的两相邻子表Merge(R,i,i+length-1,i+2*length-1);if (i+length-1<n)                       //余下两个子表,后者长度小于lengthMerge(R,i,i+length-1,n-1);          //归并这两个子表
}//7. 归并排序
void MergeSort(RecType R[],int n)           //自底向上的二路归并算法
{int length;for (length=1; length<n; length=2*length) //进行log2n趟归并MergePass(R,length,n);
}//以下基数排序,为了统一测试有改造
//8. 基数排序的辅助函数,创建基数排序用的链表
void CreateLink(RadixRecType *&p,RecType R[],int n)   //采用后插法产生链表
{int i;RadixRecType *s,*t;for (i=0; i<n; i++){s=(RadixRecType *)malloc(sizeof(RadixRecType));s->data = R[i].key;if (i==0){p=s;t=s;}else{t->next=s;t=s;}}t->next=NULL;
}//8. 基数排序的辅助函数,释放基数排序用的链表
void DestoryLink(RadixRecType *&p)
{RadixRecType *q;while(p!=NULL){q=p->next;free(p);p=q;}return;
}//8. 实现基数排序:*p为待排序序列链表指针,基数R和关键字位数D已经作为符号常量定义好
void RadixSort(RadixRecType *&p)
{RadixRecType *head[Radix],*tail[Radix],*t; //定义各链队的首尾指针int i,j,k;unsigned int d1, d2=1;   //用于分离出第i位数字,见下面的注释for (i=1; i<=Digits; i++)                  //从低位到高位循环{//分离出倒数第i位数字,先通过对d1=10^i取余,得到其后i位,再通过整除d2=10^(i-1)得到第i位//例如,分离出倒数第1位,即个位数,先对d1=10取余,再整除d2=1//再例如,分离出倒数第2位,即十位数,先对d1=100取余,再整除d2=10//循环之前,d2已经初始化为1,在这一层循环末增加10倍//下面根据d2,得到d1的值d1=d2*10;for (j=0; j<Radix; j++)                 //初始化各链队首、尾指针head[j]=tail[j]=NULL;while (p!=NULL)                 //对于原链表中每个结点循环{k=(p->data%d1)/d2;           //分离出第i位数字kif (head[k]==NULL)          //进行分配{head[k]=p;tail[k]=p;}else{tail[k]->next=p;tail[k]=p;}p=p->next;                  //取下一个待排序的元素}p=NULL;                         //重新用p来收集所有结点for (j=0; j<Radix; j++)             //对于每一个链队循环if (head[j]!=NULL)          //进行收集{if (p==NULL){p=head[j];t=tail[j];}else{t->next=head[j];t=tail[j];}}t->next=NULL;                   //最后一个结点的next域置NULL//下面更新用于分离出第i位数字的d2d2*=10;}
}

这篇关于数据结构实践——大数据集上排序算法性能的体验的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/768835

相关文章

虚拟机Centos7安装MySQL数据库实践

《虚拟机Centos7安装MySQL数据库实践》用户分享在虚拟机安装MySQL的全过程及常见问题解决方案,包括处理GPG密钥、修改密码策略、配置远程访问权限及防火墙设置,最终通过关闭防火墙和停止Net... 目录安装mysql数据库下载wget命令下载MySQL安装包安装MySQL安装MySQL服务安装完成

SpringBoot整合(ES)ElasticSearch7.8实践

《SpringBoot整合(ES)ElasticSearch7.8实践》本文详细介绍了SpringBoot整合ElasticSearch7.8的教程,涵盖依赖添加、客户端初始化、索引创建与获取、批量插... 目录SpringBoot整合ElasticSearch7.8添加依赖初始化创建SpringBoot项

Zabbix在MySQL性能监控方面的运用及最佳实践记录

《Zabbix在MySQL性能监控方面的运用及最佳实践记录》Zabbix通过自定义脚本和内置模板监控MySQL核心指标(连接、查询、资源、复制),支持自动发现多实例及告警通知,结合可视化仪表盘,可有效... 目录一、核心监控指标及配置1. 关键监控指标示例2. 配置方法二、自动发现与多实例管理1. 实践步骤

MyBatis-Plus通用中等、大量数据分批查询和处理方法

《MyBatis-Plus通用中等、大量数据分批查询和处理方法》文章介绍MyBatis-Plus分页查询处理,通过函数式接口与Lambda表达式实现通用逻辑,方法抽象但功能强大,建议扩展分批处理及流式... 目录函数式接口获取分页数据接口数据处理接口通用逻辑工具类使用方法简单查询自定义查询方法总结函数式接口

MySQL深分页进行性能优化的常见方法

《MySQL深分页进行性能优化的常见方法》在Web应用中,分页查询是数据库操作中的常见需求,然而,在面对大型数据集时,深分页(deeppagination)却成为了性能优化的一个挑战,在本文中,我们将... 目录引言:深分页,真的只是“翻页慢”那么简单吗?一、背景介绍二、深分页的性能问题三、业务场景分析四、

MySQL 迁移至 Doris 最佳实践方案(最新整理)

《MySQL迁移至Doris最佳实践方案(最新整理)》本文将深入剖析三种经过实践验证的MySQL迁移至Doris的最佳方案,涵盖全量迁移、增量同步、混合迁移以及基于CDC(ChangeData... 目录一、China编程JDBC Catalog 联邦查询方案(适合跨库实时查询)1. 方案概述2. 环境要求3.

Linux进程CPU绑定优化与实践过程

《Linux进程CPU绑定优化与实践过程》Linux支持进程绑定至特定CPU核心,通过sched_setaffinity系统调用和taskset工具实现,优化缓存效率与上下文切换,提升多核计算性能,适... 目录1. 多核处理器及并行计算概念1.1 多核处理器架构概述1.2 并行计算的含义及重要性1.3 并

全面掌握 SQL 中的 DATEDIFF函数及用法最佳实践

《全面掌握SQL中的DATEDIFF函数及用法最佳实践》本文解析DATEDIFF在不同数据库中的差异,强调其边界计算原理,探讨应用场景及陷阱,推荐根据需求选择TIMESTAMPDIFF或inte... 目录1. 核心概念:DATEDIFF 究竟在计算什么?2. 主流数据库中的 DATEDIFF 实现2.1

MySQL 多列 IN 查询之语法、性能与实战技巧(最新整理)

《MySQL多列IN查询之语法、性能与实战技巧(最新整理)》本文详解MySQL多列IN查询,对比传统OR写法,强调其简洁高效,适合批量匹配复合键,通过联合索引、分批次优化提升性能,兼容多种数据库... 目录一、基础语法:多列 IN 的两种写法1. 直接值列表2. 子查询二、对比传统 OR 的写法三、性能分析

Linux系统性能检测命令详解

《Linux系统性能检测命令详解》本文介绍了Linux系统常用的监控命令(如top、vmstat、iostat、htop等)及其参数功能,涵盖进程状态、内存使用、磁盘I/O、系统负载等多维度资源监控,... 目录toppsuptimevmstatIOStatiotopslabtophtopdstatnmon