Video: Krem Nasjonal - Hvorfor 2025
Forestil dig at forsøge at finde et emne på en liste uden at sortere det først. Hver søgning bliver en tidskrævende sekventiel søgning. Men der kan gøres en sag for ikke at sortere data til algoritmer. Dataene er trods alt stadig tilgængelige, selvom du ikke sorterer det - og sortering tager tid.
Problemet med usorterede data er selvfølgelig det samme problem som junk skuffen i dit køkken (eller hvor som helst du har din junk skuffe - forudsat at du kan finde det overhovedet). At kigge efter noget i skraldeskuffen er tidskrævende, fordi du ikke engang kan begynde at gætte hvor du finder noget. I stedet for at komme ind og tage hvad du vil, skal du tage ud af mange andre ting, du ikke vil have i et forsøg på at finde det ene emne, du har brug for. Desværre kan det element du behøver måske ikke være i skraldeskuffen i første omgang - du har måske kastet det ud eller sat det i en anden skuffe.
Skraldskuffen i dit hjem er ligesom usorterede data på dit system. Når dataene er usorterede, skal du søge efter et emne ad gangen, og du ved ikke engang, om du finder det, du har brug for uden først at søge efter hvert element i datasættet. Det er en frustrerende måde at arbejde med data på.
Selvfølgelig er det simpelthen ikke bare at sortere dataene. Hvis du har en medarbejder database sorteret efter efternavn, men alligevel nødt til at slå op en medarbejder efter fødselsdato, er sorteringen ikke nyttig. (Sig, du vil finde alle de medarbejdere, der har fødselsdag på en bestemt dag.) For at finde den fødselsdato du har brug for, skal du stadig søge hele datasættet ét emne ad gangen. Derfor skal sorteringen fokusere på et bestemt behov. Ja, du havde brug for medarbejderdatabasen sorteret efter afdeling på et tidspunkt og efter efternavn på et andet tidspunkt, men nu har du brug for det sorteret efter fødselsdato for at bruge datasættet effektivt.
Behovet for at opretholde flere sorterede ordrer til de samme data er grunden til, at udviklere oprettet indekser. At sortere et lille indeks er hurtigere end at sortere hele datasættet. Indekset opretholder en bestemt dataregning og peger på hele datasættet, så du kan finde det, du har brug for ekstremt hurtigt. Ved at opretholde et indeks for hvert sorteringsbehov kan du effektivt reducere datatilgangstiden og give flere personer adgang til dataene samtidig i den rækkefølge, de skal få adgang til.
Der er mange måder at kategorisere sorteringsalgoritmer på. En af disse måder er sortens hastighed. Når man overvejer, hvor effektiv en bestemt sorteringsalgoritme er ved at arrangere dataene, ser timing benchmarks typisk på to faktorer:
- Sammenligninger: For at flytte data fra et sted i et datasæt til et andet, skal du vide, hvor du skal flytte det, hvilket betyder at sammenligne måldataene med andre data i datasættet.At have færre sammenligninger betyder bedre ydeevne.
- Udvekslinger: Afhængigt af hvordan du skriver en algoritme, kan dataene ikke komme til den endelige placering i datasættet ved første forsøg. Dataene kan faktisk flytte flere gange. Antallet af udvekslinger påvirker hastigheden betragteligt, for nu flytter du faktisk data fra et sted til et andet i hukommelsen. Færre og mindre udvekslinger (f.eks. Ved brug af indekser) betyder bedre ydeevne.
