外部排序
外部排序
如果需要排序的檔案超過了記憶體的大小,就需要分塊排序,按塊寫入檔案,最後再歸併已經有序的分塊檔案。
第一階段 切分排序
1.將原始未排序的大檔案,分為有序的小檔案
1.1確定大檔案切分的位置
1.2主執行緒按塊讀取原始檔案,然後交給排序執行緒
1.3排序執行緒,對塊進行排序
1.4寫入執行緒將有序的資料,寫入檔案
第二階段 歸併
將臨時檔案歸併到目標的結果檔案
作為JAVA程式,需要注意的是,第一階段是IO密集型,儘量分配更多的記憶體給Old區
而第二階段是CPU密集型,需要注意Young區,避免過多的GC佔用CPU資源。
需要提前瞭解的技術細節。
1.JAVA切分大檔案
http://blog.itpub.net/29254281/viewspace-1161173/
2.JAVA記憶體對映檔案
http://blog.itpub.net/29254281/viewspace-1162157/
3.JAVA柵欄
http://blog.itpub.net/29254281/viewspace-1164727/
4.觀察者模式、生產者/消費者模式
5.JVM監控和GC
實驗環境:
雙核CPU,使用1G的JAVA堆記憶體,對2億long型隨機數排序,一般情況下,2億long型隨機數檔案4G左右大小。
總體設計的思路
Main主執行緒負責切分原始檔案,blocking函式根據檔案分片的設定,返回原始檔案的分塊。
這樣主要為了分塊包含整行,而不會切斷資料。
讀取出來的原始未排序資料封裝為Sorter物件,提交給排序執行緒池。
排序之後的資料,封裝為Writer物件,再交給寫入執行緒池,將排序好的分塊寫入臨時檔案。
在每個分塊寫入之後,執行緒在CyclicBarrier柵欄處等待,待所有的分塊寫入完畢,啟用歸併。
需要特別注意的是,在柵欄等待之前,一定要釋放所有的資源,以便JVM GC回收記憶體。
就是Writer物件write方法的下列程式碼
歸併非常消耗CPU資源。
在歸併的過程中,因為每個分塊本身都是有序的,所以只需要一個執行緒計算各個分塊中最小的數字,將其寫入BlockingQueue。
而另一個執行緒,不斷的將佇列的資料順序寫入目標檔案。
這就是Merge物件的作用。這個過程使用了觀察者模式和生產者消費者模式。
實現如下:
執行:
JVM監控:
從監控可以看到第一階段是IO密集型,對於記憶體需要很大;
而第二階段,排序各個分塊對於CPU壓力很大,一定要注意不要讓GC執行緒佔用過多CPU資源,就是Young區不能過小。
上圖中FGC 55之後的就是第二階段的過程,Young GC明顯增多。
驗證:
開始使用1-100的實驗資料,可以正確排序。
大檔案排序之後,可以使用Linux Sort命令驗證。
關於效能優化
外部排序的本質就是排序寫入小檔案,再將小檔案歸併為有序的目標檔案。
所以時間大致應該是拷貝這個檔案的時間乘以2.
但是...
想起在15所的時候,吳老師使用大致與我效能相當的配置,居然只用了230S左右..
優化需要注意的兩點
1.記憶體對映檔案
檔案複製,分塊檔案寫入然後讀出這種場景使用記憶體對映檔案,避免了核心空間和使用者空間的記憶體複製。並且可以使用堆外作業系統記憶體作為快取.
2.避免GC佔用CPU
讀取檔案和寫入檔案的時候,Byte和Long做轉換的時候,均採用了String型別作為中轉,
後續可以考慮直接將byte和long型互轉,避免引入String型別,這樣就可以避免額外的GC
第一點都很容易想到,而第二點吳老師做了,我沒有實現,這可能是導致效能較慢的原因。
以後有時間再補上這個細節吧。
因為使用了記憶體對映檔案,比了避免誤差,每次實驗之前最好清除快取。
如果需要排序的檔案超過了記憶體的大小,就需要分塊排序,按塊寫入檔案,最後再歸併已經有序的分塊檔案。
第一階段 切分排序
1.將原始未排序的大檔案,分為有序的小檔案
1.1確定大檔案切分的位置
1.2主執行緒按塊讀取原始檔案,然後交給排序執行緒
1.3排序執行緒,對塊進行排序
1.4寫入執行緒將有序的資料,寫入檔案
第二階段 歸併
將臨時檔案歸併到目標的結果檔案
作為JAVA程式,需要注意的是,第一階段是IO密集型,儘量分配更多的記憶體給Old區
而第二階段是CPU密集型,需要注意Young區,避免過多的GC佔用CPU資源。
需要提前瞭解的技術細節。
1.JAVA切分大檔案
http://blog.itpub.net/29254281/viewspace-1161173/
2.JAVA記憶體對映檔案
http://blog.itpub.net/29254281/viewspace-1162157/
3.JAVA柵欄
http://blog.itpub.net/29254281/viewspace-1164727/
4.觀察者模式、生產者/消費者模式
5.JVM監控和GC
實驗環境:
雙核CPU,使用1G的JAVA堆記憶體,對2億long型隨機數排序,一般情況下,2億long型隨機數檔案4G左右大小。
總體設計的思路
Main主執行緒負責切分原始檔案,blocking函式根據檔案分片的設定,返回原始檔案的分塊。
這樣主要為了分塊包含整行,而不會切斷資料。
讀取出來的原始未排序資料封裝為Sorter物件,提交給排序執行緒池。
排序之後的資料,封裝為Writer物件,再交給寫入執行緒池,將排序好的分塊寫入臨時檔案。
在每個分塊寫入之後,執行緒在CyclicBarrier柵欄處等待,待所有的分塊寫入完畢,啟用歸併。
需要特別注意的是,在柵欄等待之前,一定要釋放所有的資源,以便JVM GC回收記憶體。
就是Writer物件write方法的下列程式碼
歸併非常消耗CPU資源。
在歸併的過程中,因為每個分塊本身都是有序的,所以只需要一個執行緒計算各個分塊中最小的數字,將其寫入BlockingQueue。
而另一個執行緒,不斷的將佇列的資料順序寫入目標檔案。
這就是Merge物件的作用。這個過程使用了觀察者模式和生產者消費者模式。
實現如下:
-
import java.io.BufferedInputStream;
-
import java.io.BufferedOutputStream;
-
import java.io.File;
-
import java.io.FileInputStream;
-
import java.io.FileOutputStream;
-
import java.io.IOException;
-
import java.io.RandomAccessFile;
-
import java.nio.MappedByteBuffer;
-
import java.nio.channels.FileChannel;
-
import java.nio.channels.FileChannel.MapMode;
-
import java.util.ArrayList;
-
import java.util.Arrays;
-
import java.util.Collections;
-
import java.util.List;
-
import java.util.Queue;
-
import java.util.concurrent.BlockingQueue;
-
import java.util.concurrent.BrokenBarrierException;
-
import java.util.concurrent.ConcurrentLinkedQueue;
-
import java.util.concurrent.CyclicBarrier;
-
import java.util.concurrent.ExecutorService;
-
import java.util.concurrent.Executors;
-
import java.util.concurrent.LinkedBlockingQueue;
-
-
public class Controller {
-
public static void main(String[] args) throws IOException {
-
Controller c = new Controller(new File("/home/lihuilin/桌面/t.txt"), 15, "/home/lihuilin/桌面/");
-
}
-
-
// 排序執行緒池
-
private final ExecutorService sortThread;
-
// 寫入執行緒池,將排序之後的分片寫入檔案
-
private final ExecutorService writerThread;
-
// 柵欄,等待所有分片寫入檔案之後,啟動合併
-
private final CyclicBarrier barrier;
-
// 原始沒有順序的大檔案
-
private final File file;
-
// 分片大小
-
private final int pieces;
-
// 輸出目錄
-
private final String outDir;
-
// 記錄分片寫入臨時檔案的位置
-
private final List<File> outFileList = new ArrayList<File>();
-
-
public Controller(File file, int pieces, final String outDir) throws IOException {
-
final long start = System.currentTimeMillis();
-
sortThread = Executors.newFixedThreadPool(1);
-
// 寫入執行緒池的執行緒數一定不能小於分片的大小。否則CyclicBarrier
-
// await之後,後續的分片將沒有執行緒可用。await不會釋放執行緒資源。
-
writerThread = Executors.newFixedThreadPool(pieces + 1);
-
this.file = file;
-
this.pieces = pieces;
-
this.outDir = outDir;
-
this.barrier = new CyclicBarrier(pieces, new Runnable() {
-
-
@Override
-
public void run() {
-
long end = System.currentTimeMillis();
-
System.out.println("合併之前總用時:" + (end - start) / 1000 + "s");
-
// 合併有序的分片臨時檔案
-
Merger merger = new Merger(outFileList, outDir);
-
writerThread.submit(merger);
-
try {
-
merger.merge();
-
} catch (IOException e) {
-
// TODO Auto-generated catch block
-
e.printStackTrace();
-
} catch (InterruptedException e) {
-
// TODO Auto-generated catch block
-
e.printStackTrace();
-
}
-
-
writerThread.shutdown();
-
sortThread.shutdown();
-
end = System.currentTimeMillis();
-
System.out.println("外部排序總用時:" + (end - start) / 1000 + "s");
-
}
-
});
-
action();
-
}
-
-
private void action() throws IOException {
-
List<Point> list = blocking(file, pieces);
-
for (Point p : list) {
-
Spilter spilter = new MappedByteBufferSpilter(file, p);
-
long[] data = null;
-
data = spilter.spilt();
-
Sorter s = new Sorter(data, p, writerThread, barrier, outFileList);
-
sortThread.submit(s);
-
}
-
-
}
-
-
private List<Point> blocking(File file, int piece) throws IOException {
-
List<Point> result = new ArrayList<Point>();
-
List<Long> list = new ArrayList<Long>();
-
list.add(-1L);
-
long length = file.length();
-
long step = length / piece;
-
long index = 0;
-
for (int i = 0; i < piece; i++) {
-
BufferedInputStream in = new BufferedInputStream(new FileInputStream(file));
-
if (index + step < length) {
-
index = index + step;
-
in.skip(index);
-
-
while (in.read() != 10) {
-
index = index + 1;
-
}
-
list.add(index);
-
index++;
-
}
-
in.close();
-
}
-
list.add(length - 1);
-
for (int i = 0; i < list.size() - 1; i++) {
-
long skipSize = list.get(i) + 1;
-
long l = list.get(i + 1) - list.get(i);
-
result.add(new Point(skipSize, l, outDir));
-
-
}
-
return result;
-
}
-
-
}
-
-
class Merger implements Runnable {
-
private final List<Worker> workerList = new ArrayList<Worker>();
-
private String outDir = null;
-
private BlockingQueue<Long> queue = new LinkedBlockingQueue<Long>(1000);
-
private volatile boolean finished = false;
-
-
public Merger(List<File> outFileList, String outDir) {
-
for (File file : outFileList) {
-
Worker worker = new Worker(file, workerList);
-
workerList.add(worker);
-
}
-
this.outDir = outDir;
-
}
-
-
@Override
-
public void run() {
-
try {
-
System.out.println("讀取佇列,寫入目標檔案");
-
BufferedOutputStream bos = new BufferedOutputStream(new FileOutputStream(outDir + "result.txt"), 50 * 1024 * 1024);
-
while (finished != true || !queue.isEmpty()) {
-
Long l = queue.take();
-
bos.write((l + "\n").getBytes());
-
}
-
bos.flush();
-
bos.close();
-
} catch (Exception ex) {
-
ex.printStackTrace();
-
}
-
}
-
-
public void merge() throws IOException, InterruptedException {
-
while (workerList.size() != 0) {
-
Collections.sort(workerList);
-
Worker worker = workerList.get(0);
-
Long data = worker.poll();
-
if (data == null) {
-
workerList.remove(worker);
-
} else {
-
queue.put(data);
-
}
-
}
-
finished = true;
-
}
-
-
private class Worker implements Comparable<Worker> {
-
private long data;
-
private MappedByteBuffer buffer = null;
-
private List<Worker> workerList = null;
-
private boolean eof = false;
-
-
Worker(File file, List<Worker> workerList) {
-
try {
-
RandomAccessFile rFile = new RandomAccessFile(file, "r");
-
FileChannel channel = rFile.getChannel();
-
buffer = channel.map(MapMode.READ_ONLY, 0, channel.size());
-
channel.close();
-
rFile.close();
-
this.workerList = workerList;
-
data = buffer.getLong();
-
} catch (IOException e) {
-
// TODO Auto-generated catch block
-
e.printStackTrace();
-
}
-
}
-
-
public long peek() {
-
return data;
-
}
-
-
public Long poll() {
-
long result = data;
-
if (buffer.position() != buffer.limit()) {
-
data = buffer.getLong();
-
} else {
-
if (eof == false) {
-
eof = true;
-
} else {
-
return null;
-
}
-
}
-
-
return result;
-
}
-
-
@Override
-
public int compareTo(Worker o) {
-
if (this.peek() > o.peek()) {
-
return 1;
-
} else if (this.peek() < o.peek()) {
-
return -1;
-
} else {
-
return 0;
-
}
-
}
-
}
-
-
}
-
-
interface Spilter {
-
public long[] spilt();
-
}
-
-
class Sorter implements Runnable {
-
long[] data;
-
Point p;
-
ExecutorService writerThread;
-
List<File> outFileList;
-
CyclicBarrier barrier;
-
-
public Sorter(long[] data, Point p, ExecutorService writerThread, CyclicBarrier barrier, List<File> outFileList) {
-
this.data = data;
-
this.p = p;
-
this.outFileList = outFileList;
-
this.barrier = barrier;
-
this.writerThread = writerThread;
-
}
-
-
public long[] sort() {
-
System.out.println("\t開始排序:" + p);
-
long start = System.currentTimeMillis();
-
Arrays.sort(this.data);
-
long end = System.currentTimeMillis();
-
System.out.println("\t結束排序:" + p + ",用時:" + (end - start) / 1000);
-
return this.data;
-
}
-
-
@Override
-
public void run() {
-
Writer writer = new MappedByteBufferWriter(sort(), p, barrier, outFileList);
-
writerThread.submit(writer);
-
}
-
}
-
-
interface Writer extends Runnable {
-
public void write();
-
}
-
-
class MappedByteBufferWriter implements Writer {
-
private static int FLAG = 1;
-
private CyclicBarrier barrier = null;
-
private File outfile = null;
-
private Point point = null;
-
-
private long[] data = null;
-
private List<File> outFileList = null;
-
-
public MappedByteBufferWriter(long[] data, Point point, CyclicBarrier barrier, List<File> outFileList) {
-
this.data = data;
-
this.point = point;
-
this.outfile = new File(point.getOutDir() + FLAG + ".txt");
-
this.barrier = barrier;
-
this.outFileList = outFileList;
-
FLAG++;
-
}
-
-
@Override
-
public void write() {
-
try {
-
System.out.println("\t\t開始寫入:" + point);
-
long start = System.currentTimeMillis();
-
FileChannel channel = new RandomAccessFile(this.outfile, "rw").getChannel();
-
MappedByteBuffer buffer = channel.map(MapMode.READ_WRITE, 0, this.data.length * 8);
-
for (int i = 0; i < data.length; i++) {
-
buffer.putLong(data[i]);
-
}
-
buffer.force();
-
long end = System.currentTimeMillis();
-
System.out.println("\t\t結束寫入:" + point + ",用時:" + (end - start) / 1000);
-
synchronized (outFileList) {
-
outFileList.add(outfile);
-
}
-
this.data = null;
-
channel.close();
-
buffer = null;
-
barrier.await();
-
} catch (IOException ex) {
-
ex.printStackTrace();
-
} catch (InterruptedException e) {
-
// TODO Auto-generated catch block
-
e.printStackTrace();
-
} catch (BrokenBarrierException e) {
-
// TODO Auto-generated catch block
-
e.printStackTrace();
-
}
-
}
-
-
@Override
-
public void run() {
-
this.write();
-
}
-
-
}
-
-
class MappedByteBufferSpilter implements Spilter {
-
private File file;
-
private Point point;
-
-
public MappedByteBufferSpilter(File file, Point p) {
-
this.file = file;
-
this.point = p;
-
}
-
-
@Override
-
public long[] spilt() {
-
System.out.println("開始讀入:" + point);
-
long start = System.currentTimeMillis();
-
long[] result = null;
-
try {
-
-
FileChannel in = new RandomAccessFile(file, "r").getChannel();
-
MappedByteBuffer inBuffer = in.map(MapMode.READ_ONLY, point.getSkipSize(), point.getLength());
-
-
byte[] data = new byte[inBuffer.limit()];
-
inBuffer.get(data);
-
result = new long[getObjectSize(data)];
-
int resultIndex = 0;
-
int index = 0;
-
int first = 0;
-
while (index < data.length) {
-
if (data[index] == 10) {
-
byte[] tmpData = Arrays.copyOfRange(data, first, index);
-
String str = new String(tmpData);
-
result[resultIndex] = Long.valueOf(str);
-
resultIndex++;
-
first = index + 1;
-
}
-
-
index++;
-
}
-
in.close();
-
-
} catch (IOException ex) {
-
ex.printStackTrace();
-
}
-
long end = System.currentTimeMillis();
-
System.out.println("結束讀入:" + point + ",用時:" + (end - start) / 1000);
-
return result;
-
}
-
-
private int getObjectSize(byte[] data) {
-
int size = 0;
-
for (byte b : data) {
-
if (b == 10) {
-
size++;
-
}
-
}
-
return size;
-
}
-
-
}
-
-
class Point {
-
public Point(long skipSize, long length, String outDir) {
-
if (length > Integer.MAX_VALUE) {
-
throw new RuntimeException("長度溢位");
-
}
-
this.skipSize = skipSize;
-
this.length = (int) length;
-
this.outDir = outDir;
-
}
-
-
@Override
-
public String toString() {
-
return "Point [skipSize=" + skipSize + ", length=" + length + "]";
-
}
-
-
private long skipSize;
-
private int length;
-
private String outDir;
-
-
public String getOutDir() {
-
return outDir;
-
}
-
-
public long getSkipSize() {
-
return skipSize;
-
}
-
-
public int getLength() {
-
return length;
-
}
- }
- [lihuilin@lihuilin 桌面]$ java Controller
- 開始讀入:Point [skipSize=0, length=271726519]
- 結束讀入:Point [skipSize=0, length=271726519],用時:8
- 開始讀入:Point [skipSize=271726519, length=271726515]
- 開始排序:Point [skipSize=0, length=271726519]
- 結束排序:Point [skipSize=0, length=271726519],用時:3
- 開始寫入:Point [skipSize=0, length=271726519]
- 結束寫入:Point [skipSize=0, length=271726519],用時:2
- 結束讀入:Point [skipSize=271726519, length=271726515],用時:9
- 開始排序:Point [skipSize=271726519, length=271726515]
- 開始讀入:Point [skipSize=543453034, length=271726511]
- 結束排序:Point [skipSize=271726519, length=271726515],用時:4
- 開始寫入:Point [skipSize=271726519, length=271726515]
- 結束寫入:Point [skipSize=271726519, length=271726515],用時:3
- 結束讀入:Point [skipSize=543453034, length=271726511],用時:9
- 開始讀入:Point [skipSize=815179545, length=271726515]
- 開始排序:Point [skipSize=543453034, length=271726511]
- 結束排序:Point [skipSize=543453034, length=271726511],用時:3
- 開始寫入:Point [skipSize=543453034, length=271726511]
- 結束寫入:Point [skipSize=543453034, length=271726511],用時:5
- 結束讀入:Point [skipSize=815179545, length=271726515],用時:13
- 開始讀入:Point [skipSize=1086906060, length=271726524]
- 開始排序:Point [skipSize=815179545, length=271726515]
- 結束排序:Point [skipSize=815179545, length=271726515],用時:3
- 開始寫入:Point [skipSize=815179545, length=271726515]
- 結束寫入:Point [skipSize=815179545, length=271726515],用時:5
- 結束讀入:Point [skipSize=1086906060, length=271726524],用時:13
- 開始讀入:Point [skipSize=1358632584, length=271726507]
- 開始排序:Point [skipSize=1086906060, length=271726524]
- 結束排序:Point [skipSize=1086906060, length=271726524],用時:3
- 開始寫入:Point [skipSize=1086906060, length=271726524]
- 結束寫入:Point [skipSize=1086906060, length=271726524],用時:5
- 結束讀入:Point [skipSize=1358632584, length=271726507],用時:12
- 開始讀入:Point [skipSize=1630359091, length=271726523]
- 開始排序:Point [skipSize=1358632584, length=271726507]
- 結束排序:Point [skipSize=1358632584, length=271726507],用時:3
- 開始寫入:Point [skipSize=1358632584, length=271726507]
- 結束寫入:Point [skipSize=1358632584, length=271726507],用時:5
- 結束讀入:Point [skipSize=1630359091, length=271726523],用時:13
- 開始讀入:Point [skipSize=1902085614, length=271726514]
- 開始排序:Point [skipSize=1630359091, length=271726523]
- 結束排序:Point [skipSize=1630359091, length=271726523],用時:3
- 開始寫入:Point [skipSize=1630359091, length=271726523]
- 結束寫入:Point [skipSize=1630359091, length=271726523],用時:5
- 結束讀入:Point [skipSize=1902085614, length=271726514],用時:13
- 開始讀入:Point [skipSize=2173812128, length=271726519]
- 開始排序:Point [skipSize=1902085614, length=271726514]
- 結束排序:Point [skipSize=1902085614, length=271726514],用時:3
- 開始寫入:Point [skipSize=1902085614, length=271726514]
- 結束寫入:Point [skipSize=1902085614, length=271726514],用時:5
- 結束讀入:Point [skipSize=2173812128, length=271726519],用時:13
- 開始讀入:Point [skipSize=2445538647, length=271726516]
- 開始排序:Point [skipSize=2173812128, length=271726519]
- 結束排序:Point [skipSize=2173812128, length=271726519],用時:3
- 開始寫入:Point [skipSize=2173812128, length=271726519]
- 結束寫入:Point [skipSize=2173812128, length=271726519],用時:5
- 結束讀入:Point [skipSize=2445538647, length=271726516],用時:12
- 開始讀入:Point [skipSize=2717265163, length=271726517]
- 開始排序:Point [skipSize=2445538647, length=271726516]
- 結束排序:Point [skipSize=2445538647, length=271726516],用時:3
- 開始寫入:Point [skipSize=2445538647, length=271726516]
- 結束寫入:Point [skipSize=2445538647, length=271726516],用時:5
- 結束讀入:Point [skipSize=2717265163, length=271726517],用時:13
- 開始讀入:Point [skipSize=2988991680, length=271726517]
- 開始排序:Point [skipSize=2717265163, length=271726517]
- 結束排序:Point [skipSize=2717265163, length=271726517],用時:3
- 開始寫入:Point [skipSize=2717265163, length=271726517]
- 結束寫入:Point [skipSize=2717265163, length=271726517],用時:5
- 結束讀入:Point [skipSize=2988991680, length=271726517],用時:12
- 開始讀入:Point [skipSize=3260718197, length=271726516]
- 開始排序:Point [skipSize=2988991680, length=271726517]
- 結束排序:Point [skipSize=2988991680, length=271726517],用時:3
- 開始寫入:Point [skipSize=2988991680, length=271726517]
- 結束寫入:Point [skipSize=2988991680, length=271726517],用時:5
- 結束讀入:Point [skipSize=3260718197, length=271726516],用時:12
- 開始讀入:Point [skipSize=3532444713, length=271726515]
- 開始排序:Point [skipSize=3260718197, length=271726516]
- 結束排序:Point [skipSize=3260718197, length=271726516],用時:3
- 開始寫入:Point [skipSize=3260718197, length=271726516]
- 結束寫入:Point [skipSize=3260718197, length=271726516],用時:5
- 結束讀入:Point [skipSize=3532444713, length=271726515],用時:12
- 開始讀入:Point [skipSize=3804171228, length=271726376]
- 開始排序:Point [skipSize=3532444713, length=271726515]
- 結束排序:Point [skipSize=3532444713, length=271726515],用時:3
- 開始寫入:Point [skipSize=3532444713, length=271726515]
- 結束寫入:Point [skipSize=3532444713, length=271726515],用時:4
- 結束讀入:Point [skipSize=3804171228, length=271726376],用時:12
- 開始排序:Point [skipSize=3804171228, length=271726376]
- 結束排序:Point [skipSize=3804171228, length=271726376],用時:2
- 開始寫入:Point [skipSize=3804171228, length=271726376]
- 結束寫入:Point [skipSize=3804171228, length=271726376],用時:3
- 合併之前總用時:190s
- 讀取佇列,寫入目標檔案
- 外部排序總用時:398s
從監控可以看到第一階段是IO密集型,對於記憶體需要很大;
而第二階段,排序各個分塊對於CPU壓力很大,一定要注意不要讓GC執行緒佔用過多CPU資源,就是Young區不能過小。
上圖中FGC 55之後的就是第二階段的過程,Young GC明顯增多。
驗證:
開始使用1-100的實驗資料,可以正確排序。
大檔案排序之後,可以使用Linux Sort命令驗證。
關於效能優化
外部排序的本質就是排序寫入小檔案,再將小檔案歸併為有序的目標檔案。
所以時間大致應該是拷貝這個檔案的時間乘以2.
但是...
想起在15所的時候,吳老師使用大致與我效能相當的配置,居然只用了230S左右..
優化需要注意的兩點
1.記憶體對映檔案
檔案複製,分塊檔案寫入然後讀出這種場景使用記憶體對映檔案,避免了核心空間和使用者空間的記憶體複製。並且可以使用堆外作業系統記憶體作為快取.
2.避免GC佔用CPU
讀取檔案和寫入檔案的時候,Byte和Long做轉換的時候,均採用了String型別作為中轉,
後續可以考慮直接將byte和long型互轉,避免引入String型別,這樣就可以避免額外的GC
第一點都很容易想到,而第二點吳老師做了,我沒有實現,這可能是導致效能較慢的原因。
以後有時間再補上這個細節吧。
因為使用了記憶體對映檔案,比了避免誤差,每次實驗之前最好清除快取。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/29254281/viewspace-1167988/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 資料結構篇_知識點板塊_第九章外部排序資料結構排序
- 外部排序中多路歸併排序,採用敗者樹比勝者樹更優的原因和簡易證明排序
- 引入外部字型
- Oracle 外部表Oracle
- GEDIT外部工具
- 外部插入.after()
- Redshift__在一個外部架構下建立外部表後,其他外部架構也自動生成了一樣的外部表架構
- Redshift建立外部架構external schema和外部表external table架構
- Android 外部儲存Android
- SpringBoot外部化配置Spring Boot
- SpringBoot使用外部tomcatSpring BootTomcat
- 外部儲存器
- 排序:氣泡排序&快速排序排序
- php插入排序,快速排序,歸併排序,堆排序PHP排序
- 【排序】插入類排序—(折半)插入排序、希爾排序排序
- 外部函式的呼叫函式
- Springboot整合外部Tomcat配置Spring BootTomcat
- SpringBoot中配置外部TomcatSpring BootTomcat
- SpringBoot 之配置外部TomcatSpring BootTomcat
- EXTI-外部中斷
- Maven 引入外部依賴Maven
- Java_操作外部程式Java
- 排序演算法(氣泡排序,選擇排序,插入排序,希爾排序)排序演算法
- 排序——氣泡排序排序
- 排序之快速排序排序
- 插入排序排序排序
- 排序之交換排序排序
- PHP 常見4種排序 氣泡排序、選擇排序、插入排序、快速排序PHP排序
- SparkSQL外部資料來源SparkSQL
- fdw批次匯入外部表
- 內部類與外部類
- httprunner yml 呼叫外部函式HTTP函式
- 訪問外部裝置方式
- STM32--外部中斷
- Java魔法堂:呼叫外部程式Java
- Python八大演算法的實現,插入排序、希爾排序、氣泡排序、快速排序、直接選擇排序、堆排序、歸併排序、基數排序。Python演算法排序
- 快速排序&&歸併排序排序
- Springboot2專案配置(熱部署+war+外部tomcat+外部配置檔案)Spring Boot熱部署Tomcat