4.1外存存储结构与外存算法：
分层存储：
做法：
可扩展性问题：若程序分散地访问磁盘上的数据，即使是好的操作系统也无法利用数据块存取优势
基本界限：
、
队列和堆栈：
4.2外存算法示例：外存排序算法
算法的分析1：(多路归并)
M/B路
以块为单位进行调度
1.首先从磁盘里把磁盘块放进内存，在内存中进行排序，每次放M/B块，一共放N/B块。做完后，外存中已经是在大小为M/B的区域里、分别排好序的数据。再分别取M/B-1个这些区域的第一个元素，放入内存中。
2.在内存中，将M/B-1块用于磁盘块的归并，剩余的一块用作缓存
do{
step1.[取出]M/B-1块中最小的数据，放于缓存中
step2.(用于缓存的磁盘块未满，step1)||(缓存满后，写出到外存，清空缓存)||(前M/B-1个磁盘块中的数据被取完，加载相应区域的下一个磁盘块)
}while(将所有的磁盘块中的数据都进行了排序)
疑问：如果step1中，排序磁盘块的次数大于M/B-1，那么归并排序时应该怎么做？
(演示的例子里，在内存中排序磁盘块的次数=M/B-1=3)
循环停止条件：(k-1代表第k轮)
算法分析2：(快排)
根号(M/B)路
M=8，N=24，B=2
(8,16是选择的分点，buffer磁盘块的大小为B，buffer满了以后，将里面的数据写到外存)
此时，写出到外存的三个区域的元素还没进行排序，但是大小已经可以放进内存，接下来将数据放进内存进行排序。若大小仍不能放进内存，则继续上述做法，直到数据块的大小可以放进内存。
复杂度分析：
划分停止条件：
计算分割元素：
存在的问题：
解决方法：
改进的算法的步骤：
从而得到每一路归并的元素上限。
算法复杂性分析：
其中，步骤二经过根号(M/B)次抽取分割元素，在4N/根号(M/B)的数据(第一次的抽样的结果)内抽取
总结：
它们都是最优的。
4.3外存数据结构示例：外存查找树
内存查找树：
外存查找树：
外部搜索树：
存在的问题：使用红黑树维护BFS块
5.1B树：
B树上的查询：
为符合需求，B树应该满足的性质：
(a,b)树：
“所有的叶子在同一层并且包括a到b个元素”：叶子节点的磁盘块的数量为[a,b]
对(a,b)树进行分析：
(a,b)树中的操作：
插入：
删除：
注：若最后合并影响了根节点，使根节点的儿子小于a，此时根节点是不变的(参考上文对根节点数量的定义)。然而，若根节点只有一个儿子，则把根节点给删了
B树的结论：
5.2KD树
查询：
kdB-树：
kdB-树的构建：
改进：
复杂度：
动态地改进：
插入：
删除：
kdB-树总结：
6.1 表排序及其应用
表排序(List Ranking)
表排序的困难之处：
一种高效的表排序算法：
分析：
目标：对给定的树T，以表L表示，进而让对T的每一种计算可用对L的一种rank来完成
欧拉回路技术：
应用场景：
1.父子关系判定：
2.计算前序计数：
3.计算子树大小：
6.2时间前向处理方法：
将图问题表示为有向无环图的估值问题
处理过程：
......
测试：
求最大独立集MIS(贪心法，不一定求得最优解)：
(1的入度为0，在I中，选取后面的节点时，若其父亲节点在I中，则该节点不能加入I中)：
6.3缩图法：
即把大的图缩到内存中
求连通性->半外存算法：结点在内存中，边在外存中
算法分析：
M(memory)
若|V|>M：
算法复杂度分析：
应用：最小生成树
时间复杂度分析：
另一种图算法技术：
