如何根据程序的输出值对字符串进行“排序”？

Question

我有包含许多字符串的文本文件，每行一个，需要排序。

我正在尝试使用sort 命令，但是它只能按字母或数字顺序排序，我需要更具体的东西。

是否可以使用外部程序来确定项目的顺序，例如sort --input=text.txt --evaluate=/bin/program？

Answer 1

sort 或我知道的任何排序软件都不支持它。

这实际上不可行，因为它太耗费资源而无法启动进程。根据需要启动数千个进程来比较数千对字符串，几乎会在短时间内冻结系统。

分拣软件是如何工作的？

考虑一个小文本：

dog
cat
duck
mouse
...

排序需要比较键对。比如dog vs cat，然后dog vs duck，等等...来确定项目的相对顺序。根据算法和项目是否已经订购，需要在 N 和 N*N 之间进行比较。

在提供内置排序功能的编程语言中，开发人员必须提供一个比较器函数，如int comp(string first, string second)，如果两个字符串分别按顺序返回-1、0 或+1，则等于或以相反的顺序。 （等号对于重复和稳定排序非常重要）。请参阅 Python sorted(..., key) 或 C++ std::sort(..., comp)。

理论上可以根据外部二进制/bin/compararator firstitem seconditem 和退出代码进行比较。 （忽略参数仅限于 ASCII 字符子集中的短字符串的问题）。

它实际上太慢了，并且会在排序开始的那一刻冻结系统。它必须为（最多）每对字符串启动一个子进程。对于操作系统而言，启动进程是一项非常缓慢且非常密集的任务。

启动进程有多慢？

一个进程需要大约 10 到 100 毫秒来初始化，即使在最现代的最快 CPU 上也是如此。 对数千个字符串的小排序可能需要整整几分钟（数百万次比较），而正常的内存排序可以在几毫秒内完成。

使用外部二进制文件进行比较是非常缓慢和低效的，尝试这样做没有任何意义。但它也会变得更糟，请耐心等待。

进程创建是一项非常密集的任务，涉及操作系统和内核的深刻变化。系统将停止运行，几乎没有响应，而进程被无休止地创建。在这方面，它与只烧 CPU（例如使用while(1)）不同，这无疑是“坏的” " 但不会显着影响其他正在运行的任务。

如果开发人员必须实现工作池，创建一百个进程（或一千个线程）来完成一些工作。他们可能已经注意到，在创建池时，他们的桌面在几秒钟内冻结得非常糟糕。事实上，这太糟糕了，通常的做法是强睡眠以减轻系统负载for(n=0, n<100, n++) { startworker(); sleep(100ms); };。 （不用说，如果排序软件仅限于每秒进行几次比较，那么排序软件将永远无法完成）。

供历史参考。在互联网初期运行 Web 应用程序的一种常见方式是CGI。一个简单的接口，在每个传入的 HTTP 请求上启动一个进程，使用标准输入/输出和环境变量来传递请求信息。它遇到了上述所有问题（速度慢、效率低和相关的 DDoS 问题），很快就不再使用了。不能很好地超过每秒几个请求。