首页 > 代码库 > 效能分析——词频统计1.1版
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:git@git.coding.net:gongcr/word-frequency.git
git:git://git.coding.net/gongcr/word-frequency.git
效能分析——词频统计1.1版