水库采样算法

//水库采样 用较小的开销来估计一个较大的数据流
 1 #include<stdio.h>
#include<stdlib.h>
#include<time.h>
int main()
{
    int count=0;
    long long int sum_all=0;
    long int sum=0;
    int i=0;
    int data;//取数据
    int length=500;//水库大小
    int *set=(int *)malloc(length*sizeof(int));//定义一个集合
    int index=0;//下标
    int randIndex=0;//随机下标
    double randNum=0;//随机数
    FILE *fp=fopen("stream_sample.txt","r");
    srand(time(0));//以time(0)为种子
    if(!fp)
    {
        printf("file open failed !
");
        system("pasue");
        return -1;
    }
    while(!feof(fp))
    {
        fscanf(fp,"%d",&data);//取文本中的数据
        sum_all+=data;//所有数据之和
        //打印所有数据
        //printf("%d	",data);
        if(index<length)//水库填充时
        {
            set[index]=data;
            index++;
        }
        else//水库被填充满时
        {
            randNum=(rand()%(index+1));
            if(randNum<length)
            {
                randIndex=rand()%length;
                set[randIndex]=data;
            }
            index++;
        }

    }
    printf("
-----------------------------------------
");
    printf("一共有%d个数据
",index);
    printf("
-----------------------------------------
");
    printf("水库中的数");
    for(i=0;i<length;i++)
    {
        printf("%d	",set[i]);
    }
    printf("
");

    printf("
-----------------------------------------
");
    
    printf("
-----------------------------------------
");
    for(i=0;i<length;i++)
    {
        sum+=set[i];//水库中的叠加
    }
    printf("%lf	%lf",(double)sum/length,(double)sum_all/(index-1));
    printf("
");
    
    fclose(fp);
    system("pause");
    return 0;
}

只是简单理解，代码还有许多不足之处