外部排序学习
外部排序多是：大文件的排序
主要排序方法：多路归并排序（分部分放进内存进行排序）
一般步骤：预处理（化成多个初始子文件顺序、堆选择）+合并排序
外部排序的例子（转自http://kenby.iteye.com/blog/1017532）
假设有一个72KB的文件，其中存储了18K个整数，磁盘中物理块的大小为4KB，将文件分成18组，每组刚好4KB。
首先通过18次内部排序，把18组数据排好序，得到初始的18个归并段R1~R18，每个归并段有1024个整数。
然后对这18个归并段使用4路平衡归并排序：
第1次归并：产生5个归并段
R11 R12 R13 R14 R15
其中
R11是由{R1,R2,R3,R4}中的数据合并而来
R12是由{R5,R6,R7,R8}中的数据合并而来
R13是由{R9,R10,R11,R12}中的数据合并而来
R14是由{R13,R14,R15,R16}中的数据合并而来
R15是由{R17,R18}中的数据合并而来
把这5个归并段的数据写入5个文件：
foo_1.dat foo_2.dat foo_3.dat foo_4.dat foo_5.dat
第2次归并：从第1次归并产生的5个文件中读取数据，合并，产生2个归并段
R21 R22
其中R21是由{R11,R12,R13,R14}中的数据合并而来
其中R22是由{R15}中的数据合并而来
把这2个归并段写入2个文件
bar_1.dat bar_2.dat
第3次归并：从第2次归并产生的2个文件中读取数据，合并，产生1个归并段
R31
R31是由{R21,R22}中的数据合并而来
把这个文件写入1个文件
foo_1.dat
此即为最终排序好的文件。
败者树
败者树节点保存的是失败者的信息（它可方便下面的比较），而且各个层次的失败者保存和层次关联的信息。由此，败者树是在结构上利于下一次重构。
败者树可以加速外部排序：
k路平衡归并中，若不使用败者树，则对每次对k路需要比较k-1次得到最值，对于总共n个记录的每一趟归并共需要(n-1)*(k-1)次比较。若有m个归并初始段，归并趟数为logk(m) ,总共比较次数logk(m)*(n-1)*(k-1)。引入败者树（由k个元素构造成败者树）则每次不需要k-1次比较，只需要log2（k）次即可。
胜者树
胜者树父节点保存的是胜利者的信息。