效能分析——词频统计1.1版

前言：在寻错及修改两天之后，发现之前的程序不能处理大文件的原因在于所写的排序部分，于是做了两件事：

第一是修改了所写的quick排序部分，现在可以处理大文件了；

第二是学习了http://www.blogjava.net/killme2008/archive/2010/09/08/quicksort_optimized.html 中写的关于快速排序算法的优化改进，也移植到了我的程序里试了试。

分别使用两种方法处理同一份文件，大小是1M，不同的词有17000，这个大小的文件之前是一处理就崩溃的，算是有所进步了。

方法一：

方法二：

方法二的代码：

void qsort7(struct fre_word *f, int p, int r)
{

	char x[word_size];
	int len = r - p + 1;
	if (p >= r)
		return;

	// 在数组大小小于7的情况下使用直接插入排序
	if (len< 7)
	{
		for (int i = p; i <= r; i++)
		{
			for (int j = i; j > p && f[j - 1].num > f[j].num; j--)
			{
				swapf(f, j, j - 1);
			}
		}
		return;
	}

	// 选择中数，与qsort6相同。

	int m = p + (len >> 1);
	if (len > 7)
	{
		int l = p;
		int n = r;
		if (len > 40)
		{
			int s = len / 8;
			int s2 = 2 * s;
			l = med3(f, l, l + s, l + s2);
			m = med3(f, m - s, m, m + s);
			n = med3(f, n - s2, n - s, n);
		}
		m = med3(f, l, m, n);
	}

	int v = f[m].num;
	strcpy(x, f[m].wd);

	// a,b进行左端扫描，c,d进行右端扫描
	int a = p, b = a, c = p + len - 1, d = c;
	while (true)
	{
		// 尝试找到大于pivot的元素
		while (b <= c && f[b].num <= v)
		{
			// 与pivot相同的交换到左端
			if (f[b].num == v)
				swapf(f, a++, b);
			b++;
		}
		// 尝试找到小于pivot的元素
		while (c >= b && f[c].num >= v)
		{
			// 与pivot相同的交换到右端
			if (f[c].num == v)
				swapf(f, c, d--);
			c--;
		}
		if (b > c)
			break;
		// 交换找到的元素
		swapf(f, b++, c--);
	}

	// 将相同的元素交换到中间
	int s, n = p + len;
	s = (a - p)>(b - a) ? (b - a) : (a - p);
	vecswap(f, p, b - s, s);
	s = (d - c)>(n - d - 1) ? (n - d - 1) : (d - c);
	vecswap(f, b, n - s, s);

	// 递归调用子序列
	if ((s = b - a) > 1)
		qsort7(f, p, s + p - 1);
	if ((s = d - c) > 1)
		qsort7(f, n - s, n - 1);

}

方法二特点是分情况进行排序，在需要排序的数组数量小于一个值的时候使用直接插入排序，大于的时候使用快速排序，在选取枢轴的时候也是用的是三数取中，可以避免快速排序的在选枢轴的弊端。

其中涉及到三个调用的函数：

swapf目的是交换两个结构体的数据。

void swapf(struct fre_word *f, int a, int b)//交换两个结构体内的数据
{
	int temp;
	char x[word_size];
	temp = f[b].num;
	strcpy(x, f[b].wd);
	f[b].num = f[a].num;
	strcpy(f[b].wd, f[a].wd);
	f[a].num = temp;
	strcpy(f[a].wd, x);
}

　vecswap目的是批量交换连续的结构体。

void vecswap(fre_word *f, int a, int b, int n)
{
	for (int i = 0; i < n; i++, a++, b++)
		swapf(f, a, b);
}

　med3目的是三数取中。

int med3(struct fre_word *f, int a, int b, int c)
{
	return f[a].num< f[b].num ? (f[b].num < f[c].num ? b : f[a].num < f[c].num ? c : a) : f[b].num > f[c].num ? b : f[a].num > f[c].num ? c : a;
}

结论：但是从测试结果来看，跟排序算法关系并不大，所耗时间几乎是没改变的，也就是说那么多高端的方法并没有什么实质性的提升，真正影响性能的还是在程序主体。但是在这次改进排序的过程中，改正了之前程序里的一些边界情况，也使得程序可以处理稍大些的文件了，收获还是挺大的。

https：https://git.coding.net/gongcr/word-frequency.git

ssh：[email protected]:gongcr/word-frequency.git

git：git://git.coding.net/gongcr/word-frequency.git