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:

技术分享

技术分享

 

 

方法二:

 技术分享

技术分享

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