java - 如何使用Java根据键值对合并文件并对其进行排序？

Question

我写了一个类似于外部排序的程序。我从 this blog 得到了一个好主意。在这里，他们试图仅对数字进行外部排序。我的要求略有不同。我的输入文件可能有超过一百万条记录，并且很难在内存中对它们进行排序，所以我必须使用我的磁盘。我将输入分成不同的部分，对其进行排序，然后将其存储在临时文件中。然后将排序后的输出合并到一个文件中。下面我可以将其拆分为临时文件，然后仅合并 key 。

我有一个输入文件如下:

key1 abc
key2 world
key1 hello
key3 tom
key7 yankie
key3 apple
key5 action
key7 jack
key4 apple
key2 xon
key1 lemon

假设磁盘上文件的大小为 10，内存缓冲区可以容纳的最大项目为 4，所以我所做的是一次获取 4 条记录并将其存储在 HashMap 中，对我的值以及更新的计数进行排序。此输入将分为 3 个排序文件，如下所示。您可以看到，对于每个键，我都有一个计数以及按字典顺序排列的最高值。

临时文件-0.txt

key1: 2, hello
key2: 1, world
key3: 1, tom

临时文件-1.txt

key5: 1, action
key3: 1, apple
key7: 2, yankie

临时文件-2.txt

key1: 1, lemon
key2: 1, xon
key4: 1, apple

合并所有这 3 个文件后，输出应如下所示:

key1: 3 lemon
key2: 2 xon
key3: 2 world
key5: 1 action
key7: 2 yankie

我不确定将整行与计数以及该键的字典最高值合并的逻辑，我的下面的代码能够给我所有键，如下所示:

key1
key1
key2
key2
key3
key4
key5
key3
key7

在下面的代码中，我打开每个文件并合并它们，然后写回磁盘到一个名为external-sorted.txt的新单个文件

    static int N = 10; // size of the file in disk
     static int M = 4; // max items the memory buffer can hold
     int slices = (int) Math.ceil((double) N/M);
     String tfile = "temp-file-";

//Reading all the 3 temp files
     BufferedReader[] brs = new BufferedReader[slices];
     String[] topNums = new String[slices];
     for(i = 0; i<slices; i++){
      brs[i] = new BufferedReader(new FileReader(tfile + Integer.toString(i) + ".txt"));
      String t = brs[i].readLine();
      String[] kv = t.split(":");

      if(t!=null){
        topNums[i] = kv[0];
      }
    //topNums [key1, key5, key1]
     }

    FileWriter fw = new FileWriter("external-sorted.txt");
    PrintWriter pw = new PrintWriter(fw);

    for(i=0; i<N; i++){

    String min = topNums[0];
    System.out.println("min:"+min);
    int minFile = 0;

    for(j=0; j<slices; j++){

    if(min.compareTo(topNums[j])>0)
      {
      min = topNums[j];
      minFile = j;
      }
    }

     pw.println(min);
      String t = brs[minFile].readLine();
     String[] kv = new String[2];
      if (t != null)
         kv = t.split(":");
         topNums[minFile] = kv[0];

    }

       for (i = 0; i < slices; i++)
        brs[i].close();

       pw.close();
       fw.close();
      }

任何想法都值得赞赏。如果您有任何疑问，请询问。 TIA。

Answer 1

嗯，像这样的东西是有效的，我确信有更好的方法，但目前我还没有能力真正思考:

    // Declare Scanner Object to read our file
    Scanner in = new Scanner(new File(stringRepresentingLocationOfYourFileHere));

    // create Map that will contain keys in sorted order (TreeMap)
    // along with last value assigned to the key
    Map<String, String> mapa = new TreeMap<>();

    // another map to hold keys from first map and number of
    // occurrences of those keys (repetitions), this could have been
    // done using single Map as well, but whatever
    Map<String, Integer> mapaDva = new HashMap<>();

    // String array that will hold words of each line of our .txt file
    String[] line;

    // we loop until we reach end of our .txt file
    while(in.hasNextLine()){

        // check if map already contains given key, if it does
        // increment value by 1 otherwise initialize the value with 1
        if (mapa.put((line = in.nextLine().split(" "))[0], line[1]) != null)
            mapaDva.put(line[0], mapaDva.get(line[0])+1);
        else
            mapaDva.put(line[0], 1);
    }

    // loop through our maps and print out keys, number of 
    //repetitions, last assigned value
    for (Map.Entry<String, String> m : mapa.entrySet()){
        System.out.println(m.getKey() + " " + mapaDva.get(m.getKey()) + " " + m.getValue());
    }

如果此代码有任何不清楚的具体内容，请询问。

示例输入文件:

key1 abcd
key2 zzz
key1 tommy
key3 world

完成后输出:

key1 2 tommy
key2 1 zzz
key3 1 world

编辑2(处理多个文件时的解决方案):

 // array of File objects that hold path to all your files to iterate through
    File[] files = {new File("file1.txt"),
                    new File("file2.txt"),
                    new File("file3.txt")};

    Scanner in;
    Map<String, String> mapa = new TreeMap<>();
    Map<String, Integer> mapaDva = new HashMap<>();
    String[] line;

    for (int i = 0; i < files.length; i++) {
        // assign new File to Scanner on each iteration (go through our File array)
        in = new Scanner(files[i]);
        while(in.hasNextLine()){
            if (mapa.put((line = in.nextLine().split(" "))[0], line[1]) != null)
                mapaDva.put(line[0], mapaDva.get(line[0])+1);
            else
                mapaDva.put(line[0], 1);
        }
    }



    for (Map.Entry<String, String> m : mapa.entrySet()){
        System.out.println(m.getKey() + " " + mapaDva.get(m.getKey()) + " " + m.getValue());
    }

因此，我们将所有 File 对象存储在 File 数组中，然后遍历每个对象，组合所有内容并打印出最终结果:

3 个示例输入文件:

文件1.txt

key1 abcd
key2 zzz
key1 tommy
key3 world

file2.txt

key1 abc
key3 xxx
key1 tommy
key6 denver

file3.txt

key5 lol
key8 head
key6 tommy
key6 denver

输出:

key1 4 tommy
key2 1 zzz
key3 2 xxx
key5 1 lol
key6 3 denver
key8 1 head