Java功底篇系列-02-如何理解实际开发中与“排序”相关的问题

很自然的想法是排序，可是要知道对100W数据进行排序，不论采用什么样的排序算法吧，最坏情况下，应该是100W*100W的计算量，太大了。

可是，不排序又能怎么做呢？为什么要排序呢？我们仅仅需要的是TOP10。

思考下，找出100W数据中TOP1，你会排序吗？

找TOP1，相信大家和我一样，都不会去排序，应该是搞一个变量max认为它最大，然后遍历一边100W数据，在遍历过程中进行比较替换max就可以了找到TOP1。

依此规律，我们为什么不搞一组变量max1,max2,max3,max4...max10，然后去遍历一边100W数据，在遍历过程中对这一组变量进行替换呢？

涉及到这些排序问题，特别是带有一定业务实际背景的，我感觉都不应该想什么“冒泡”，“快排”什么的。那为什么往往排序会第一时间想到它们呢？是因为我们懒，不想深入分析，只想用现成的，拿来就用！而实际上，这些都是带有一定的技巧性的！

创建一个数组array，大小1000，也就是array[0],array[1],...,array[999]，如果数组元素的值，是索引出现的次数，那么不就完成排序了吗？

没想到一个数组，竟然完成了排序功能！简直不可思议！

要知道，数组的特性，她的index是正数，而且就是天然有序的啊！

然后，我们利用压缩节省空间的想法，用array[index]代表index出现的次数，问题就完美解决了。

一个很自然的想法是：

比如对MAP2进行遍历，然后在里面对MAP1进行遍历过滤，然后对过滤后的MAP1进行按照VALUE排序，这样就可以得到了。

可是问题是，如果我们的用户如果很多，要知道京东/淘宝的用户都是亿级别的。那么就是N亿*20W的遍历次数了，这还不算每次遍历还要排序取TOP3。

那么如何节省遍历次数呢？

利用公共缓存 + 减法思想！

可以对MAP1先进行一次排序，然后对MAP2进行遍历，在MAP2遍历过程中，我们只需要对MAP1的头部看一下，如果存在需要过滤的商品，我们就做下减法，而不需要真正的对MAP1进行遍历了。这说明，在实际中，如果我们预先做好公共的缓存，然后再去根据不同的要求做减法，将会提高效率！

基于分布式处理：

分块  + 多线程处理的思想

既然数据相对均匀分布，那么就划分区间，如[1,1000],[1001,2000],...。

首先，我们对数据来一次遍历，目的是为了让他们各自找到自己的区间。

区间划分完毕后，由于区间与区间之间是有序的，所以我们只需要完成各个区间内部的排序即可。

最坏的情况下，每个区间全排序需要1000*1000，再加上上面的遍历一次200W,也就是需要1000*1000+200W=300W，这比200W*200W=4万亿  小多了！

而且，还可以进一步利用多线程进行处理，因为区间之间是完全隔离的，不存在相互影响，各自排序不需要加锁。因此我们完全可以利用多线程并发排序，节省时间！

原来这就是分布式计算的基本原理！