Page History

...

描述：每个 iterator 取1个 List，找到每个 List 的最大字典序的 sensor，组成集合 S，本次合并从头开始合并到 S 中最小字典序的 sensor，直到所有都合并完 sensor_lex_min_lex_min，直到所有都合并完 。并从 List 中清除已合并的 sensor，如果此 List 消耗完，获取下一个 Lst

优势：每次至少会消耗完一个 file 的一个 List

• getNextSensors(List<ChunkMetadataListIterator> iterators)

• getNextSensors(List<ChunkMetadataListIterator> iterators)

第一轮：file1(s1,s2)+file2(s1,s3)+file3(s1,s2)  → (s1,s2)→ S=S=(s2, s3)，最小字典序 sensor_lex_min 是 s2 → 从 s2, s3)，最小字典序 sensor_lex_min 是 s2 → 从 s1 合并到 合并到 s2

第二轮：file1(s3)+file2(s3)+file3(s3,s5)  →   → S=S=(s3, s5, s5)，最小字典序 sensor_lex_min 是 s3 →  从 s3 合到 s3，最小字典序 sensor_lex_min 是 s3 →  从 s3 合到 s3

第三轮：file3(s5) → S=S=(s5)，最小字典序 sensor_lex_min 是 s5 → 从 s5 合到 s5，最小字典序 sensor_lex_min 是 s5 → 从 s5 合到 s5

反序列化Page合并算法

• 通过各自文件的reader有序把数据读出并整理出对应的time-value列表
• 遍历上述的time-value列表，将数据写入新的ChunkWriter
• 判断限流
• 将ChunkWriter写入新文件

...

而 完全合并 则是在乱序合并时重写整个顺序文件，IO和合并性能较低，但能获取一个整理完全的顺序文件

重新设计整个合并流程，舍弃 原地合并 只保留 完全合并

外部并行

执行拆分流程：device->seqFile→sensor

文件选择

任务执行

输入一组乱序文件U，以及一组顺序文件S，最大同时合并的时间序列数量为n，单个chunk的点数阈值t_pt，是否进行Full Merge

...