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

  1. 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() ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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   ...

  8. Zepto源码笔记(一)

    最近在研究Zepto的源码,这是第一篇分析,欢迎大家继续关注,第一次写源码笔记,希望大家多指点指点,第一篇文章由于首次分析原因不会有太多干货,希望后面的文章能成为各位大大心目中的干货. Zepto是一 ...

  9. redis源码笔记(一) —— 从redis的启动到command的分发

    本作品采用知识共享署名 4.0 国际许可协议进行许可.转载联系作者并保留声明头部与原文链接https://luzeshu.com/blog/redis1 本博客同步在http://www.cnblog ...

随机推荐

  1. margin-top使用需要注意的地方

    偶然的机会发现一个有趣的现象:一个div(背景色为绿色)里面包含一个div,里面的div给一个margin-top:100px; 代码: <div style="background: ...

  2. Registering Shell Extension Handlers

    最近在做Windows shell extension 的开发工作,对shell extension handler的注册机制有点疑问,以下摘自MSDN:http://msdn.microsoft.c ...

  3. 2013 吉林通化邀请赛 Tutor 有点坑的水题

    计算12个数的和的平均数.四舍五入,不能有后导0. 我的做法是,将答案算出后,乘以1000,然后看个位是否大于等于5,判断是否要进位…… #include<iostream> #inclu ...

  4. CareerCup Chapter 4 Trees and Graphs

    struct TreeNode{ int val; TreeNode* left; TreeNode* right; TreeNode(int val):val(val),left(NULL),rig ...

  5. Spring初识(通过小实例清晰认识Spring)

    1.spring架构: spring是J2EE应用程序框架,是轻量级的IoC和AOP的容器框架,主要是针对javaBean的生命周期进行管理的轻量级容器,可以单独使用,也可以和Struts框架,iba ...

  6. 借助表达式树感受不一样的CRUD

    借助表达式树感受不一样的CRUD Intro 最近有个想法,想不写 sql 语句,做一个类似于 ORM 的东西,自己解析表达式树,生成要执行的 sql 语句,最后再执行 sql 语句,返回相应结果. ...

  7. NIO原理及案例使用

    什么是NIO Java提供了一个叫作NIO(New I/O)的第二个I/O系统,NIO提供了与标准I/O API不同的I/O处理方式.它是Java用来替代传统I/O API(自Java 1.4以来). ...

  8. 记录一次Oracle注入绕waf

    这个注入挺特殊的,是ip头注入.我们进行简单的探测: 首先正常发起一次请求,我们发现content-type是76 探测注入我习惯性的一个单引号: 一个单引号我发现长度还是76 我开始尝试单引号,双引 ...

  9. laravel-admin 上传图片过程中遇到的问题

    1. 报错 Disk [admin] not configured, please add a disk config in `config/filesystems.php`. 在config/fil ...

  10. Centos7.5安装Docker

    Docker是一个开源的应用容器引擎,使用Go语言开发,基于Linux内核的cgroup,namespace,Union FS等技术,对应用进程进行封装隔离,并且独立于宿主机与其他进程,这种运行时封装 ...