Algorithm 如何在不使用磁盘、网络或虚拟内存的情况下对大文件进行排序？

昨天，我参加了一个网络安全职位的面试，有人问我这个问题：

假设你有一台1GB内存的电脑，这台电脑的磁盘上有一个10GB的包含随机数的文件。您将使用什么技术对文件进行排序并提出算法。您不能使用磁盘、网络或虚拟内存进行排序吗

我尝试了很多我能想到的不同方法，建议进行外部排序，但面试官说这不是正确的方法。面试结束时，我礼貌地问他，他问我这个问题的方式和算法是什么，但他拒绝说，好像这是什么大秘密

---

我的问题是，有人会如何处理此类问题，因为我无法停止思考，但仍然没有明确的答案？

要对文件进行排序，您需要在RAM中运行算法。由于该文件比可用RAM量大10倍，因此需要将该文件分成10个或更多单独的块，并在最后重新组合它们

您的算法需要包括

通读光盘上的列表，查找文件中的最大数字，并在通读列表后跟踪它 在阅读完整个列表后，将该数字放入RAM上的列表中，并在每次查找比最后一个小的最大数字时重复此过程，直到全部或大部分RAM用完。 现在将该列表添加回光盘，索引表示其顺序，在本例中为1，并清除RAM以进行更多处理 每次在RAM上建立已排序的数字列表时，重复步骤3 10倍或更多，直到所有数字都添加到光盘上的单独列表中。 最后，检查每个列表开头的索引，一次检查一个列表，然后将它们按正确的顺序放在光盘上 更新： 我在回答中加入了@JimMischel的一些观点

RAM中的算法不仅要跟踪最大的数字，还要维护一个单独的整数计数，该计数会随着文件中随后出现的数字而递增。然后，无论该数字出现多少次，它都会被放入RAM中的子列表中

更新：关于提问者的问题

---

OP发布的问题说明您不能使用光盘进行排序。这个问题并没有暗示光盘不能用于存储。我相信大多数阅读问题的人对此的解释都是错误的，因此，在没有存储任何数据的地方的情况下，他们认为分配的任务是不可能完成的。

你在问题中遗漏了一件事，也许你应该问：如果有的话，文件中数字的界限是什么？其他问题是：最佳算法的度量是什么？真的只是速度吗？如果是速度，那么最佳算法将取决于磁盘存储和RAM之间的速度关系。问题是，根据您获得的信息，没有单一正确的方法。面试官测试了你运用枯燥的理论知识和认识问题的能力，以及在给定问题的范围内讨论解决方案的能力。我认为，由于这个问题，他们决定不选择我。gb和gb键盘错误的上限关闭。在我看来，这是一个愚蠢的，误导性的问题。如果要对任何内容进行排序，必须有一些存储池，并且有三个选项：磁盘、虚拟内存和网络连接存储。如果这个人说这三个选项都被排除在外，我不知道答案是什么，而这正是我对这个问题的回答。我不相信面试官说光盘根本无法访问，因为这显然会使从光盘检索数据变得不可能。这个想法几乎完美：在每次运行中，不要保留一个最高优先级的数字，而是使用合适的数据结构，尽可能多地保留RAM。由于输入范围很小，但仍然没有足够的RAM来容纳计数排序的所有计数器，这种方法与此类似。您还需要小心重复。用这种算法处理重复项增加了一个有趣的小变化。当我说应该在列表顶部添加一个数字时，它是用来表示最终合并列表中子列表顺序的索引，添加多个将是多余的。@Luke:只有在可以修改原始文件的情况下，这才有效。通常，排序程序不是这样做的。不过，没有必要这样做：只需跟踪最后一个值以及在文件中找到它的位置。因此，如果在后续过程中发现一个相等的项目，则仅当其位置更大时才进行选择。另一种方法是维护当前最小项目的计数。因此，如果文件中有7个3，在传递的末尾，3是最小的，那么您将7个3写入 输出而不是浏览文件7次，每3次一次。