这是我参与「第三届青训营-后端场」笔记创作活动的的第4篇笔记.

一、简介

每个语言自带的排序算法：
python-timsort
C++-introsort
Rust-pdqsort
Go(<=1.18)-introsort，基于快排
Go(1.19)-pdqsort，在某些场景(sorted/reverse)中比以前快十倍，相比之前改变了pivot选择策略，fallback时机，是否针对不同pattern优化

二、经典排序算法

插入排序

将元素不断插入已经排序好的array中（遍历，每个元素不断向前交换，直到找到第一个比其小的元素）
时间复杂度O(n^2)

PartialInsertionSort：有限制次数的insert，如果次数到了还没排好就换方法

快速排序

分治思想，不断分割序列直到序列整体有序
选定一个轴点分割序列，分成比它大和比它小
时间复杂度O(n*logn)

堆排序

构造大顶堆，将根节点交换到最后一个位置，反复调整堆
时间复杂度O(n*logn)

Benchmark实际场景

根据序列元素排列情况划分
完全随机(random)
有序/逆序(sorted/reverse)
元素重复度高(mod8)
序列长度(16/128/1024)

random

短序列：insert
中长序列：quick
heap总体与最快算法差距不大

sorted

堆排序最快

结论

短序列和有序：insert
大部分情况；quick
任何情况：heap表现稳定

三、pdqsort

version1

不稳定的混合排序算法，结合各个算法的优势
短序列使用insert，其他情况使用quick，当quick表现不佳时用heap保证最坏情况时间复杂度仍然是O(n*logn)

短序列：12~32，常为24
如何得知quick表现不佳，需要使用heap？
轴点的位置与序列两端很接近（<length/8，说明要分很多次），这种情况的次数达到limit时（bits.len(length)），切换到堆排序

使其速度更快：尽量选择轴点为中位数->改进choose pivot

version2

pivot的选择

首个元素（最简单的方案）：效果不好，sorted情况下性能很差
遍历数组，寻找中位数：遍历代价很高

根据序列长度的不同选择：
短序列(<=8)，固定元素
中序列(<=50)，采样三个元素，median of three
长序列(>50)，采样九个元素，median of medians

采样方式可以探知序列当前状态
采样的都是逆序排列->可能逆序->翻转整个序列
采样的都是顺序->可能顺序->使用insert(实际PartialInsertionSort)

version3

优化重复元素多的情况

partitionEqual：两次partition生成的pivot相同，则进行了无效分割，用其将重复元素排列在一起，减少重复元素对于pivot选择的干扰

pivot选择策略表现不佳

limit-1，随机交换元素，避免一些极端情况和黑客攻击