ערכות נתונים גדולות ביעילות הוא אתגר משותף בעיבוד נתונים.אלגוריתמים חיצוניים נועדו לנהל נתונים שאינם יכולים להתאים לחלוטין לזיכרון הראשי.אלגוריתמים אלה ממזערים את פעולות הדיסק I/O, מה שהופך אותם מתאימים ליישומים גדולים של נתונים.

הבנה חיצונית

מיון חיצוני כרוך חלוקת נתונים לחתיכות החלפה, מיון כל נתח בנפרד, ולאחר מכן מיזוג של גושים ממוזנים.תהליך זה מבטיח שרק חלק מהמידע מועסק בזיכרון בכל עת, צמצום השימוש במשאבי.

טכניקות מעשיות

מספר טכניקות אופטימיזציה של מיון חיצוני עבור מערכות נתונים גדולות:

  • (ב) ,0) מרבי-ווי מארג': אמברו 1:1 , העלאה של מספר פעמים של ריצה מחוסמת בו זמנית את מספר העוברים הדרושים.
  • (ב) [15] באפיד I/O:FreaLT:1; משתמשים בפוזרים מקטינים את זמני הגישה לדיסק במהלך פעולות קריאה/כתיבה.
  • עיבוד:0 (Parallel: FLT:1 Distributing משימות על פני מעבדים מרובים מאיץ את התהליך.
  • (ב) ,0) ,Indexing: FLT:1 Creating indexes על נתונים מדומים מאפשר חיפושים מהירים יותר לאחר מיצוי.

המונחים

כאשר מבצעים מיון חיצוני, יש לשקול את הפעולות הבאות:

  • זיכרון זמין כדי לקבוע גודלי נתח.
  • אופטימיזציה של תבניות גישה לדיסק כדי להפחית את הגמישות.
  • השתמש באלגוריתמים יעילים כמו סוג של מיזוג חיצוני.
  • מעקב אחר ניצול משאבים כדי למנוע צווארי בקבוק.