标签：
今天在知呼，看到一问：如何在很大数量级的数据中（比如1个亿）筛选出前10万个最大值？
试答如下：
m取前n
以取小为例吧。我喜欢小。
以数据总量，分：小、中、大，三种情况来分析。
1、小：全部读入内存，排序，取前n。
2、中：
2.1：分几次读入（次数为k=总数据/内存大小），分别排序、写回读入点。致全部读一遍。形成k个顺串（称之数据锥）。
2.2：各锥读取一节(量为内存/K)，到内存（称之：锥节）。
2.2：各锥节尖做比较，小的写到另一块内存区（称之输出缓区）。如，某锥缓节空，读该锥的下一节。
2.3：致输出缓存区满。
2.4：写到结果文件。
2.5：结果够，结束。否则，继续2.2。
3、大：
3.1：若干单机，做2.1到2.3，暂停。
3.2：另一单机，做总机。从各单机输出缓存区，读一节到总机内存区（称总锥节）。
3.3：各总锥节尖做比较，小的写到总机的另一块内存区（称之总输出缓存节）。如，某总锥节空，读该锥对应单机输出缓存的下一节。
3.4：总缓存区满，写到结果文件。
3.5：结果够，结束。否则，继续3.3。
第一遍博客，就贴它算是试试手。
如何在很大数量级的数据中（比如1个亿）筛选出前10万个最大值？
标签：
原文地址：http://www.cnblogs.com/oldtab/p/4375775.html
