Description:
文件200G,內部存儲着單詞，單詞之間以逗號分隔，請生成一個有序文件，對所有單詞按照字典序排列。限制你使用的用於存儲文件內容的內存大小爲1G。
Method1：
（面試時臨時想了出來，雖然不是最好的方法，但是隻要work，面試就算通過!）
先遍歷文件，將以a頭的單詞找出來，對這些單詞進行排序並保存，然後找b開頭的單詞，依次類推，最後將各個小文件組合。如果找的過程中發現以a開頭的單詞太多，則繼續分成以aa開頭，以ab開頭...。
另外，例如， 爲了防止以a開頭的單詞過多，可以設置一個閾值，例如10000個單詞或者1G，當遍歷過程中找到的以a開頭的單詞大於1000個 或者 以a開頭的單詞構成的文件將會大於1G時，則放棄，轉而，先找以aa開頭的....
Method2：
針對這種問題有一種經典的方案： 外排序。
一般來說，外排序處理的數據不能一次裝入內存，只能放在讀寫較慢的外存儲器（通常是硬盤）上。
外排序通常採用的“排序-歸併”的策略。在排序階段，先讀入能放在內存中的一定大小的數據量，將其排序輸出到一個臨時文件，依此進行，最後得到多個有序的臨時文件。之後在歸併階段將這些臨時文件組合爲一個大的有序文件。
例如，如果限制你所使用的內存的大小爲1G, 對於20G的文件進行排序， 則， 每次讀入1G內容，以某種常規方式在內存中完成排序(快速排序、堆排序、歸併排序等等)，然後，輸出爲一個內部數據有序的臨時文件存到磁盤。最後對20個有序文件進行歸併。
歸併時也必須考慮內存大小的限制：
讀入每個臨時文件的前1/(20+1) G的內容到內存，之所以20+1, 是因爲要預留緩衝區用於存放歸併的結果，相當於將可用內存空間分成了21份，其中20份用於存儲從每個臨時文件中讀入的內容，剩餘的一份用於保存中間結果。 （實踐中，將輸入緩衝適當調小，而適當增大輸出緩衝區能獲得更好的效果）。
Note: 根據歸併算法，歸併排序時必須同時考慮所有的臨時文件。
執行20路歸併算法，將結果輸出到輸出緩衝區。一旦輸出緩衝區滿，將緩衝區中的數據寫出至目標文件，清空緩衝區。一旦20個輸入緩衝區中的一個變空，就從這個緩衝區關聯的文件，讀入下一個1G數據，除非這個文件已讀完。
這是“外歸併排序”能在主存外完成排序的關鍵步驟 -- 因爲“歸併算法”(merge algorithm)對每一個大塊只是順序地做一輪訪問(進行歸併)，每個大塊文件不用完全載入主存！
=
Other:
爲了增加每一個有序的臨時文件的長度，可以採用置換選擇排序（Replacement selection sorting）。它可以產生大於內存大小的順串。具體方法是在內存中使用一個最小堆進行排序，設該最小堆的大小爲M。算法描述如下：
初始時將輸入文件讀入內存，建立最小堆。
將堆頂元素輸出至輸出緩衝區。然後讀入下一個記錄：
若該元素的關鍵碼值不小於剛輸出的關鍵碼值，將其作爲堆頂元素並調整堆，使之滿足堆的性質；
否則將新元素放入堆底位置，將堆的大小減1。
重複第2步，直至堆大小變爲0。
此時一個順串已經產生。將堆中的所有元素建堆，開始生成下一個順串。
此方法能生成平均長度爲 2M的順串，可以進一步減少訪問外部存儲器的次數，節約時間，提高算法效率。
Ref: