Java DualPivotQuickSort 双轴快速排序 源码 笔记
DualPivotQuicksort source code
这个算法是Arrays.java中给基本类型的数据排序使用的具体实现。它针对每种基本类型都做了实现,实现的方式有稍微的差异,但是思路都是相同的,所以这里只挑了int
类型的排序来看。
整个实现中的思路是 首先检查数组的长度,比一个阈值小的时候直接使用双轴快排。其它情况下,先检查数组中数据的顺序连续性。把数组中连续升序或者连续降序的信息记录下来,顺便把连续降序的部分倒置。这样数据就被切割成一段段连续升序的数列。
如果顺序连续性好,直接使用TimSort算法。这个我们之前介绍过,TimSort算法的核心在于利用数列中的原始顺序,所以可以提高很多效率。这里的TimSort算法是之前介绍的TimSort算法的精简版,剪掉了动态阈值的那一部分。
顺序连续性不好的数组直接使用了 双轴快排 + 成对插入排序。成对插入排序是插入排序的改进版,它采用了同时插入两个元素的方式调高效率。双轴快排是从传统的单轴快排到3-way快排演化过来的,网上之前已经有很多博客介绍这种算法。这里推荐 国外一篇文章,它的3张图和下面的代码帮助我理解了快排,3-way和双轴快排之间的关系。
代码风格来看感觉不如之前TimSort的代码风格好。代码中的变量命名大部分都是a, b, i, k, j, t
这种,让人不好理解。所以建议大家日常写代码也不要使用这种不明含义的命名。最好能做到让其它人一看就懂,比如说用index
代替i
, 用 temp
代替t
等等。好在它的核心代码部分注释很全,看起来到不麻烦。
这里对 jdk1.7中 java.util.DualPivotQuicksort
类中的源码做了翻译和解释,有兴趣的同学可以一起研究一下。
final class DualPivotQuicksort{
/**
* 保护这个类不被实例化
*/
private DualPivotQuickSort(){}
/**
* 待合并的序列的最大数量
*/
private static final int MAX_RUN_COUNT = 67;
/**
* 待合并的序列的最大长度
*/
private static final int MAX_RUN_LENGTH = 33;
/**
* 如果参与排序的数组长度小于这个值,优先使用快速排序而不是归并排序
*/
private static final int QUICKSORT_THRESHOLD = 286;
/**
* 如果参与排序的数组长度小于这个值,有限考虑插入排序,而不是快速排序
*/
private static final int INSERTION_SORT_THRESHOLD = 47;
/**
* 给指定数组排序
*
* @param 指定的数组
*/
public static void sort(int[] a) {
sort(a, 0, a.length - 1);
}
/**
* 给指定数组的指定范围排序
* @param 指定的数组
* @param 指定范围的第一个元素(包括)
* @param 指定范围的最后一个元素(不包括)
*/
public static void sort(int[] a, int left, int right) {
if(right-left < QUICKSORT_THRESHOLD){
sort(a, left, right, true);
return;
}
/**
* run[i] 意味着第i个有序数列开始的位置,(升序或者降序)
**/
int[] run =new int[MAX_RUN_COUNT + 1];
int count=0; run[0] = left;
// 检查数组是不是已经接近有序状态
for(int k = left; k < right; run[count] = k) {
if(a[k] < a[k + 1]){ // 升序
while(++k <= right && a[k - 1] <= a[k]) ;
} else if(a[k] > a[k + 1]) { // 降序
while(++k <=right && a[k - 1] >= a[k]);
//如果是降序的,找出k之后,把数列倒置
for (int lo = run[count],hi = k;++lo < --hi) {
int t = a[lo]; a[lo] = a[hi]; a[hi] = t;
}
} else { // 相等
for(int m = MAX_RUN_LENGTH; ++k <=right && a[k - 1] == a[k];) {
// 数列中有至少MAX_RUN_LENGTH的数据相等的时候,直接使用快排。
// 这里为什么这么处理呢?
if(--m == 0){
sort(a, left, right, true);
return;
}
}
}
/**
* 数组并非高度有序,使用快速排序,因为数组中有序数列的个数超过了MAX_RUN_COUNT
*/
if(++count == MAX_RUN_COUNT) {
sort(a, left, right, true);
return;
}
}
//检查特殊情况
if(run[count] == right++){ // 最后一个有序数列只有最后一个元素
run[++count] =right; // 那给最后一个元素的后面加一个哨兵
} else if(count == 1) { // 整个数组中只有一个有序数列,说明数组已经有序啦,不需要排序了
return;
}
/**
* 创建合并用的临时数组。
* 注意: 这里变量right被加了1,它在数列最后一个元素位置+1的位置
* 这里没看懂,没发现后面的奇数处理和偶数处理有什么不同
*/
int[] b; byte odd=0;
for(int n=1; (n <<= 1) < count; odd ^=1);
if(odd == 0) {
b=a;a= new int[b.length];
for(int i=left -1; ++i < right; a[i] = b[i]);
} else {
b=new int[a.length];
}
// 合并
// 最外层循环,直到count为1,也就是栈中待合并的序列只有一个的时候,标志合并成功
// a 做原始数组,b 做目标数组
for(int last; count > 1; count = last) {
// 遍历数组,合并相邻的两个升序序列
for(int k = (last = 0) + 2; k <= count; k += 2) {
// 合并run[k-2] 与 run[k-1]两个序列
int hi = run[k], mi = run[k - 1];
for(int i = run[k - 2], p = i,q = mi; i < hi; ++i){
// 这里我给源码加了一个括号,这样好理解一点。 之前总觉得它会出现数组越界问题,
// 后来加了这个括号之后发现是没有问题的
if(q >= hi || (p < mi && a[p] <= a[q])) {
b[i] = a[p++];
} else {
b[i] = a[q++];
}
}
// 这里把合并之后的数列往前移动
run[++last] = hi;
}
// 如果栈的长度为奇数,那么把最后落单的有序数列copy过对面
if((count & 1) != 0) {
for(int i = right, lo =run[count -1]; --i >= lo; b[i] = a[i]);
run[++last] = right;
}
//临时数组,与原始数组对调,保持a做原始数组,b 做目标数组
int[] t = a; a = b; b = t;
}
}
/**
* 使用双轴快速排序给指定数组的指定范围排序
* @param a 参与排序的数组
* @param left 范围内最左边的元素的位置(包括该元素)
* @param right 范围内最右边的元素的位置(包括该元素)
* @param leftmost 指定的范围是否在数组的最左边
*/
private static void sort(int[] a, int left, int right, boolean leftmost) {
int length = right - left + 1;
// 小数组使用插入排序
if (length < INSERTION_SORT_THRESHOLD) {
if(leftmost) {
/**
* 经典的插入排序算法,不带哨兵。做了优化,在leftmost情况下使用
*/
for(int i = left, j = i; i < right; j = ++i) {
int ai = a[i + 1];
while(ai < a[j]){
a[j + 1] = a[j];
if(j-- == left){
break;
}
}
a[j + 1] = ai;
}
} else {
/**
* 首先跨过开头的升序的部分
*/
do {
if(left > right) {
return;
}
}while(a[++left] >= a[left - 1]);
/**
* 这里用到了成对插入排序方法,它比简单的插入排序算法效率要高一些
* 因为这个分支执行的条件是左边是有元素的
* 所以可以直接从left开始往前查找。
*/
for(int k = left; ++left <= right; k = ++left) {
int a1 = a[k], a2 = a[left];
//保证a1>=a2
if(a1 < a2) {
a2 = a1; a1 = a[left];
}
//先把两个数字中较大的那个移动到合适的位置
while(a1 < a[--k]) {
a[k + 2] = a[k]; //这里每次需要向左移动两个元素
}
a[++k + 1] = a1;
//再把两个数字中较小的那个移动到合适的位置
while(a2 < a[--k]) {
a[k + 1] = a[k]; //这里每次需要向左移动一个元素
}
a[k + 1] = a2;
}
int last = a[right];
while(last < a[--right]) {
a[right + 1] = last;
}
a[right + 1] = last;
}
return;
}
// length / 7 的一种低复杂度的实现, 近似值(length * 9 / 64 + 1)
int seventh = (length >> 3) + (length >> 6) + 1;
// 对5段靠近中间位置的数列排序,这些元素最终会被用来做轴(下面会讲)
// 他们的选定是根据大量数据积累经验确定的
int e3 = (left + right) >>> 1; //中间值
int e2 = e3 - seventh;
int e1 = e2 - seventh;
int e4 = e3 + seventh;
int e5 = e4 + seventh;
//这里是手写的冒泡排序,没有for循环
if(a[e2] < a[e1]){ int t = a[e2]; a[e2] = a[e1]; a[e1] = t; }
if (a[e3] < a[e2]) {
int t = a[e3]; a[e3] = a[e2]; a[e2] = t;
if (t < a[e1]) {
a[e2] = a[e1]; a[e1] = t;
}
}
if (a[e4] < a[e3]) {
int t = a[e4]; a[e4] = a[e3]; a[e3] = t;
if (t < a[e2]) {
a[e3] = a[e2]; a[e2] = t;
if (t < a[e1]) {
a[e2] = a[e1]; a[e1] = t;
}
}
}
if (a[e5] < a[e4]) {
int t = a[e5]; a[e5] = a[e4]; a[e4] = t;
if (t < a[e3]) {
a[e4] = a[e3]; a[e3] = t;
if (t < a[e2]) {
a[e3] = a[e2]; a[e2] = t;
if (t < a[e1]) {
a[e2] = a[e1]; a[e1] = t;
}
}
}
}
//指针
int less = left; // 中间区域的首个元素的位置
int great = right; //右边区域的首个元素的位置
if (a[e1] != a[e2] && a[e2] != a[e3] && a[e3] != a[e4] && a[e4] != a[e5]) {
/*
* 使用5个元素中的2,4两个位置,他们两个大致处在四分位的位置上。
* 需要注意的是pivot1 <= pivot2
*/
int pivot1 = a[e2];
int pivot2 = a[e4];
/*
* The first and the last elements to be sorted are moved to the
* locations formerly occupied by the pivots. When partitioning
* is complete, the pivots are swapped back into their final
* positions, and excluded from subsequent sorting.
* 第一个和最后一个元素被放到两个轴所在的位置。当阶段性的分段结束后
* 他们会被分配到最终的位置并从子排序阶段排除
*/
a[e2] = a[left];
a[e4] = a[right];
/*
* 跳过一些队首的小于pivot1的值,跳过队尾的大于pivot2的值
*/
while (a[++less] < pivot1);
while (a[--great] > pivot2);
/*
* Partitioning:
*
* left part center part right part
* +--------------------------------------------------------------+
* | < pivot1 | pivot1 <= && <= pivot2 | ? | > pivot2 |
* +--------------------------------------------------------------+
* ^ ^ ^
* | | |
* less k great
*
* Invariants:
*
* all in (left, less) < pivot1
* pivot1 <= all in [less, k) <= pivot2
* all in (great, right) > pivot2
*
* Pointer k is the first index of ?-part.
*/
outer:
for (int k = less - 1; ++k <= great; ) {
int ak = a[k];
if (ak < pivot1) { // Move a[k] to left part
a[k] = a[less];
/*
* 这里考虑的好细致,"a[i] = b; i++"的效率要好过
* 'a[i++] = b'
*/
a[less] = ak;
++less;
} else if (ak > pivot2) { // Move a[k] to right part
while (a[great] > pivot2) {
if (great-- == k) { // k遇到great本次分割
break outer;
}
}
if (a[great] < pivot1) { // a[great] <= pivot2
a[k] = a[less];
a[less] = a[great];
++less;
} else { // pivot1 <= a[great] <= pivot2
a[k] = a[great];
}
/*
* 同上,用"a[i]=b;i--"代替"a[i--] = b"
*/
a[great] = ak;
--great;
}
} // 分割阶段结束出来的位置,上一个outer结束的位置
// 把两个放在外面的轴放回他们应该在的位置上
a[left] = a[less - 1]; a[less - 1] = pivot1;
a[right] = a[great + 1]; a[great + 1] = pivot2;
// 把左边和右边递归排序,跟普通的快速排序差不多
sort(a, left, less - 2, leftmost);
sort(a, great + 2, right, false);
/*
* If center part is too large (comprises > 4/7 of the array),
* swap internal pivot values to ends.
* 如果中心区域太大,超过数组长度的 4/7。就先进行预处理,再参与递归排序。
* 预处理的方法是把等于pivot1的元素统一放到左边,等于pivot2的元素统一
* 放到右边,最终产生一个不包含pivot1和pivot2的数列,再拿去参与快排中的递归。
*/
if (less < e1 && e5 < great) {
/*
* Skip elements, which are equal to pivot values.
*/
while (a[less] == pivot1) {
++less;
}
while (a[great] == pivot2) {
--great;
}
/*
* Partitioning:
*
* left part center part right part
* +----------------------------------------------------------+
* | == pivot1 | pivot1 < && < pivot2 | ? | == pivot2 |
* +----------------------------------------------------------+
* ^ ^ ^
* | | |
* less k great
*
* Invariants:
*
* all in (*, less) == pivot1
* pivot1 < all in [less, k) < pivot2
* all in (great, *) == pivot2
*
* Pointer k is the first index of ?-part.
*/
outer:
for (int k = less - 1; ++k <= great; ) {
int ak = a[k];
if (ak == pivot1) { // Move a[k] to left part
a[k] = a[less];
a[less] = ak;
++less;
} else if (ak == pivot2) { // Move a[k] to right part
while (a[great] == pivot2) {
if (great-- == k) {
break outer;
}
}
if (a[great] == pivot1) { // a[great] < pivot2
a[k] = a[less];
/*
* Even though a[great] equals to pivot1, the
* assignment a[less] = pivot1 may be incorrect,
* if a[great] and pivot1 are floating-point zeros
* of different signs. Therefore in float and
* double sorting methods we have to use more
* accurate assignment a[less] = a[great].
*/
a[less] = pivot1;
++less;
} else { // pivot1 < a[great] < pivot2
a[k] = a[great];
}
a[great] = ak;
--great;
}
} // outer结束的位置
}
// Sort center part recursively
sort(a, less, great, false);
} else { // 这里选取的5个元素刚好相等,使用传统的3-way快排
/*
* 在5个元素中取中值
*/
int pivot = a[e3];
/*
*
* Partitioning degenerates to the traditional 3-way
* (or "Dutch National Flag") schema:
*
* left part center part right part
* +-------------------------------------------------+
* | < pivot | == pivot | ? | > pivot |
* +-------------------------------------------------+
* ^ ^ ^
* | | |
* less k great
*
* Invariants:
*
* all in (left, less) < pivot
* all in [less, k) == pivot
* all in (great, right) > pivot
*
* Pointer k is the first index of ?-part.
*/
for (int k = less; k <= great; ++k) {
if (a[k] == pivot) {
continue;
}
int ak = a[k];
if (ak < pivot) { // 把a[k]移动到左边去,把center区向右滚动一个单位
a[k] = a[less];
a[less] = ak;
++less;
} else { // a[k] > pivot - 把a[k]移动到右边
while (a[great] > pivot) { // 先找到右边最后一个比pivot小的值
--great;
}
if (a[great] < pivot) { // a[great] <= pivot ,把他移到左边
a[k] = a[less];
a[less] = a[great];
++less;
} else { // a[great] == pivot //如果相等,中心区直接扩展
/*
* 这里因为是整型值,所以a[k] == a[less] == pivot;
*/
a[k] = pivot;
}
a[great] = ak;
--great;
}
}
/*
* 左右两边还没有完全排序,所以递归解决
* 中心区只有一个值,不再需要排序
*/
sort(a, left, less - 1, leftmost);
sort(a, great + 1, right, false);
}
}
}
源码来自 jdk1.7/src/java/util/DualPivotQuickSort.java 文件,这里对其中的逻辑进行了翻译和解释。如有侵权,马上删除。
Java DualPivotQuickSort 双轴快速排序 源码 笔记的更多相关文章
- Java Arrays 源码 笔记
Arrays.java是Java中用来操作数组的类.使用这个工具类可以减少平常很多的工作量.了解其实现,可以避免一些错误的用法. 它提供的操作包括: 排序 sort 查找 binarySearch() ...
- Java并发系列[5]----ReentrantLock源码分析
在Java5.0之前,协调对共享对象的访问可以使用的机制只有synchronized和volatile.我们知道synchronized关键字实现了内置锁,而volatile关键字保证了多线程的内存可 ...
- AsyncTask源码笔记
AsyncTask源码笔记 AsyncTask在注释中建议只用来做短时间的异步操作,也就是只有几秒的操作:如果是长时间的操作,建议还是使用java.util.concurrent包中的工具类,例如Ex ...
- Tomcat8源码笔记(三)Catalina加载过程
之前介绍过 Catalina加载过程是Bootstrap的load调用的 Tomcat8源码笔记(二)Bootstrap启动 按照Catalina的load过程,大致如下: 接下来一步步分析加载过程 ...
- Golang构建HTTP服务(一)--- net/http库源码笔记
搭建一个简单的Go Web服务器 Go语言标准库 - net/http 在学习Go语言有一个很好的起点,Go语言官方文档很详细,今天我们学习的Go Web服务器的搭建就需要用到Go语言官方提供的标准库 ...
- java集合系列之LinkedList源码分析
java集合系列之LinkedList源码分析 LinkedList数据结构简介 LinkedList底层是通过双端双向链表实现的,其基本数据结构如下,每一个节点类为Node对象,每个Node节点包含 ...
- 线程池 ThreadPoolExecutor 原理及源码笔记
前言 前面在学习 JUC 源码时,很多代码举例中都使用了线程池 ThreadPoolExecutor,并且在工作中也经常用到线程池,所以现在就一步一步看看,线程池的源码,了解其背后的核心原理. 公众号 ...
- 厉害!这份阿里面试官 甩出的Spring源码笔记,GitHub上已经爆火
前言 时至今日,Spring 在 Java 生态系统与就业市场上,面试出镜率之高,投产规模之广,无出其右.随着技术的发展,Spring 从往日的 IoC 框架,已发展成 Cloud Native 基础 ...
- 图解 Java IO : 二、FilenameFilter源码
Writer :BYSocket(泥沙砖瓦浆木匠) 微 博:BYSocket 豆 瓣:BYSocket FaceBook:BYSocket Twitter ...
随机推荐
- 网络基础tcp/ip协议一
计算机网络: 硬件方面:通过线缆将网络设备和计算机连接起来 软件方面:操作系统,应用软件,应用程序通过通信线路互连 实现资源共享,信息传递 计算机网络的功能: 数据通信 资源共享 增加可靠性 提高系统 ...
- Android的OkHttp开源框架的使用方法
前段时间研究了下Android里面非常火爆的网络请求库OkHttp,这篇文章主要来介绍下OkHttp的常用请求的使用方式,后面一篇文章会介绍本人基于OkHttp封装的一个操作更简单.更适用于项目的网络 ...
- GitHub上最火的Android开源项目整理
这篇文章介绍GitHub上另外34个非常受欢迎的Android开源项目,在这些项目中,你又在用或用过哪些呢? 41. android-swipelistview SwipeListView是一个And ...
- Android Parcelable和Serializable的区别
本文主要介绍Parcelable和Serializable的作用.效率.区别及选择,关于Serializable的介绍见Java 序列化的高级认识. 1.作用 Serializable的作用是为了保存 ...
- jquery获取选中的文本和值
jquery获取选中的文本和值 1.说明 (1)获取select下拉框选中的索引 $("#selection").get(0).selectedIndex; (2)获取 ...
- 使用promise方式写settimeout
//使用promise方式写settimeout, //好处就是用于写动画的时候只需知道后一个的动画在前一个动画结束后多久执行 console.time('settimeout:');//开始计算这段 ...
- Dijkstra算法与Bellman - Ford算法示例(源自网上大牛的博客)【图论】
题意:题目大意:有N个点,给出从a点到b点的距离,当然a和b是互相可以抵达的,问从1到n的最短距离 poj2387 Description Bessie is out in the field and ...
- js 几种排序方法
1.冒泡排序 var arr = [9, 7, 5, 3, 1]; for (var i = 0; i < arr.length - 1; i++) { for (var j = 0; j &l ...
- 【BZOJ1968】约数研究(数论)
[BZOJ1968]约数研究(数论) 题面 BZOJ链接(题目是图片形式的) 题解 傻逼题 \(NOIP\) \(T1\)难度 不会做的话您可以退役 #include<iostream> ...
- 将PPT文件内容转换为图片放在Email邮件正文中发送
通过Email推送统计报告.一般除了要求将PPT报告文件作为附件发给用户,同时希望将报告内容在邮件中直观展示. 一份统计报告中经常包含柱状图.饼图.好看的图表,这些信息要直接在Email中展示比较复杂 ...