[发明专利]一种大数据索引的排序方法

摘要

本发明公开了一种大数据索引的排序方法，采用分治的思想按索引的关键字对索引数据进行动态地分区排序，对每个分区内的索引数据，采用类似于平衡二叉树的方法组成一棵包括多个索引项的结点构成的二叉排序树。在读入数据的同时进行排序，每读入一个索引项，就按索引项关键字值放入相应的区间进行排序，数据读入完成，排序也就完成了。读完了数据只要按分区顺序对相应的二叉排序树进行中序遍历就得到了排序结果。本发明在高配置的计算机系统上使用，充分发挥计算机的性能，更加符合大数据对算法复杂性的要求。本发明克服了传统的内排序算法不适合处理大数据的不足，采用本发明进行索引排序有效提高了算法的效率。

主权项

1.一种大数据索引的排序方法,其特征在于：包括以下步骤：步骤1：根据索引关键字的取值范围将索引初始划分为Size/Alpha个区间，其中，为规模控制参数，Alpha为分布密度差异系数，N为索引项的总数，同时根据索引项的取值范围和划分的区间数平均地设定每个区间索引关键字值的上限；步骤2：根据步骤1中的每个区间索引关键字值的上限创建区间表，所述区间表管理区间的动态划分，每个区间内索引项最多不超过Size个，在每个区间内建立一个用于存放区间内索引项的二叉排序树，并设定二叉排序树的索引项插入方法；步骤3：在每个二叉排序树中的每个结点中设定一个索引项数组，并设定索引项数组中存储索引项的上限以及索引项存储的顺序，所述索引项存储的顺序按索引项关键字从小到大的顺序从左至右依次存储；步骤4：读取索引文件的数据，根据索引项关键字的值在区间表中查询区间，将读取的索引项按照步骤2中设定的二叉排序树的索引项插入方法插入到对应区间的二叉排序树上；步骤5：按照区间的顺序对每个区间中相应的二叉排序树进行中序遍历，同时对每个结点中的索引项数组顺序读取，并将读取的结果保存在排序文件中。