概括：用陣列實現的帶頭尾指標的雙向減序鍊錶，使用插入排序，並通過中位數下標來決定是使用尾部插入還是頭部插入的，實現從大量資料(儲存於檔案）中提取其最大100個的演算法。優點，讀取檔案一遍，空間的非動態申請，無陣列插入排序的大量"後移"操作，避免有序檔案帶來的最差表現。
解決過程:好久不用考慮演算法了，突然這麼乙個問題，頭腦有點空，只好點開一本講演算法的電子書，從目錄開始，第一章是演算法的複雜性度量，然後是資料結構，然後是排序，一些相關的知識猶如從硬碟載入記憶體。問題的相關知識被串起來。覺得這本身是個排序問題，排序演算法一大堆，但基本操作都是比較和賦值(+空間分配)。回顧各種排序演算法的特點後，覺得插入排序，即每次插入到合適的位置，比較符合。主要是每次插入後都能得到乙個有序的「陣列」供後續陣列插入，而插入乙個元素到乙個有序陣列，有些特殊的優勢，總結來說是減少比較次數：例如對乙個減陣列，你先比較後面的（較小的資料），如果要插入的資料比當前比較位置的資料都要小，就可以停止比較並進行插入，繼而轉向下乙個資料的插入了。雖然這裡會引發乙個不容易注意的問題，原來資料的有序的程度會導致排序時間的極大波動，這裡的這裡測試的是10倍左右，[38s , 5min30s].迫使後面不得不引進中位數來決定當前待插入元素究竟是「頭插」，還是「尾插」。由於這裡只要前100個最大的，意味著我只以需考慮(挑選出)最大的100個，佔10萬分之一，而至於剩下的0.99999都可以忽略（被覆蓋，不出現在最終結果陣列中的100個中）。相比其他經典的排序演算法，以上兩點是選擇插入排序演算法的主要原因。
有了演算法，還得有資料結構，「程式=演算法+資料結構」,儘管以上的考慮都是以陣列為例子（考慮場景）的。本質使用的是線性資料結構的特點（類似於諜戰中的單線聯絡），然而具備線性結構的除陣列以外還有鍊錶，陣列靠空間相連來實現（指示）線性表中前後關係，而鍊錶靠指標域來實現，以指標域的特點來劃分，鍊錶除單鏈表以外，還有迴圈和雙鏈表，對應到陣列，陣列也具備這樣的劃分，或者說可以實現相應的功能，如果不深究，如下表述是正確的，通常的陣列遍歷類似單鏈表的特點，通過取模運算（(i++)%(sizeof(array)/sizeof(array[0]));）實現迴圈鍊錶的迴圈特點，至於雙向特性，是陣列的天生優點，i-1，意味著this->prev,i+1,意味著this->next;
選哪個好呢，陣列?，怎麼實現，不能，又缺少什麼？還是鍊錶，具體些，是單鏈表，迴圈還是雙向鍊錶？又會有什麼問題。
如果用陣列，每次插入會帶來平均為50次的 「搬動」，如果用單鏈表，會帶來接近1000萬的malloc和free的操作，儘管這種操作(系統呼叫)單個可能很快。迴圈鍊錶似乎和單鏈表沒有多大區別。至於雙向鍊錶，不是有「頭插」和 「尾插」的區別嗎，看樣子應該利用 「雙向」的特性， 「可是...」,你可能會問到,「難道雙向鍊錶就不需要那麼多的malloc 和free了？」，確實，想必，你已猜到，使用完100個空間後，插入第101個元素時，讓其覆蓋前100個中的最小的元素，插入的時機是在找到其合適的位置，例如在乙個已建立的100個元素的遞減的雙向鍊錶中，從尾部依次往前比較，直到找到正確的位置p（指標），則把當前元素覆蓋掉尾指標指向的元素，並把該空間從鍊錶中斷開，並把該空間插入p和p->prev之間的位置。想到這，程式就可以寫出來的，只是要注意一些邊界問題。不過真動手寫時，這裡有兩個技巧值得你借鑑,一是分階段處理，二是引入邊界值。
分階段處理，是指將第一階段先排100個元素，把100個空間用完，第二階段在原來的空間用完的基礎上插入餘下的元素，然後在每個階段單獨考慮，以此減少編寫的難度。
引入邊界值，是引入max和min ,並把迴圈鍊錶初始為只有這兩個元素，併排好序.min ,max 取值為對應欄位的邊界值或應用中的邊界值，例如在我的系統32位，redhat6上，採用編譯器預定義的巨集 __int_max__ 作為max ,其相反數作為min.這樣的好處是可以統一條件判斷，和減少初始情況判斷。因為在對乙個int數而言,一定是在max和min之間。
問題到這似乎解決了，新問題出現了:
以下實驗中的要建立的都是遞減(非遞增)的序列。
實驗1：首先單獨讀取，不排序讀取乙個隨機數大檔案花費時間為34s.
[root@localhost tmp]# ll ./r.dat
----------. 1 root root 1073741824 11月 18 12:45 ./r.dat
[root@localhost tmp]# time cat ./r.dat > /dev/null
real 0m34.775s
user 0m0.003s
sys 0m2.102s
實驗2：再(1024*64)byte大小緩衝區（通過巨集定義,改變時需重新編譯）讀取該檔案，派出前100個花費時間是 4分52秒
[root@localhost tmp]# time ./pick 1073741824 ./r.dat >/dev/null
real 4m52.041s
user 3m55.498s
sys 0m6.049s
實驗3：減少緩衝區為128byte時，花費5分48秒，與實驗2相比，增大緩衝區還是有優勢，
[root@localhost tmp]# time ./pick 1073741824 ./r.dat >/dev/null
real 5m48.831s
user 4m3.556s
sys 0m19.492s
實驗4：以(1024*64)讀取，通過「前插」法，對遞增檔案進行排序，時間接近實驗1不排序的結果，而「後插法」對隨機檔案的排序也是接近實驗1不排序的時間。
這三者的時間都接近30秒和實驗二的4分52比較說明檔案的有序情況影響著前叉和後插的效率，具體來說。 「前插法」 在對減序檔案排序時有最差表現， 「後插」對增序檔案排序時有最差表現。另外在實驗中發現的對於普通的隨機數檔案，「後插法」遠比 「前插法「 有效的的原因是因為，這裡需要的是前100個最大的，只佔1000萬個的極小一部，而且有維護被插入的序列是減序前提，因而對於1000萬中的0.9999的資料而言，採用 「後插法」 時，只比較了1次，就被判斷不在前一百個中，而被跳過去了。
[root@localhost tmp]# time ./pick 1073741824 ./r.dat >/dev/null 1
real 0m33.782s
user 0m1.000s
sys 0m4.370s
為了避免這種由於檔案有序程度帶來的程式執行時間的波動，要麼維護檔案的有序性，要麼修改演算法（維護減序序列的前提不變）：
維護乙個中位數指標mid(或者陣列索引，如果採用陣列實現的雙向鍊錶的話)，其初始化是在第一階段後，即有100個資料被插入到鍊錶中，使該指標指向第50(或49)個元素,
其後每個元素插入之前都與該指標所指向結構的data域相比較，若待插入元素大，則使用前插，並且mid=mid->prev，否則使用尾插,並且mid=mid->next,當然如果被插入的位置剛好是mid所指，則不用移動。
typedef struct taghead
int data;
unsigned short prev;
unsigned short next;
}head;
head head[100];
從100億隨機數中找到前100萬個最大的數
面試問到的一道題目 主要步驟 一 使用乙個大小為一百萬零一的整數陣列來構建堆 堆的下標從1開始 二 從檔案中讀取前一百萬個數，每讀入乙個數，呼叫函式，保持其最小堆的性質，堆的根永遠是堆中最小的元素。三 從一百萬零乙個數開始，每讀入乙個數開始，比較這個數與堆的根比較，如果比根大，就用這個數替換掉根，呼...
在100w個數中找最大的前100個數
1.演算法如下 根據快速排序劃分的思想 1 遞迴對所有資料分成 a,b b b,d 兩個區間，b,d 區間內的數都是大於 a,b 區間內的數 2 對 b,d 重複 1 操作，直到最右邊的區間個數小於100個。注意 a,b 區間不用劃分 3 返回上乙個區間，並返回此區間的數字數目。接著方法仍然是對上一...
堆排序思想 找出100萬個資料中的前100大資料
首先在c 的檔案下新建乙個txt檔案，命名為test.txt，然後在generate random.cpp中寫如下 先讀取txt檔案中生成的100萬個隨機數，這個量是很大的 其實可以生成更多，這裡用100w為例 如果完整排序後輸出前100大，這樣非常耗時！所以選擇如下演算法 構造乙個容量為100的小...