这是我参与「第三届青训营 -后端场」笔记创作活动的的第2篇笔记。
经典排序算法
插入排序：将元素不断地插入已经排好的array中
时间复杂度：best O(n), avg O(n^2), worst O(n^2)
快速排序：基于分治思想，不断分割序列，整体序列整体有序。选定一个pivot，将序列分成元素比pivot大和比pivot小的两个序列，对两个子序列做同样的操作，直到整体有序
时间复杂度：best O(n*logn), avg O(n*logn), worst O(n^2)
堆排序：利用堆的性质形成的排序算法。先构造一个大顶堆，将根节点（最大元素）交换到最后一个位置，调整整个堆，如此反复
时间复杂度：best O(n*logn), avg O(n*logn), worst O(n*logn)
不同长度随机序列下，三种算法的性能： 短序列（16）：插入排序 中序列（128）：快速排序 长序列（1024）：堆排序 不同长度有序序列下，三中算法的性能比较： 短序列（16）：插入排序 中序列（128）：插入排序 长序列（1024）：插入排序
在所有短序列和元素有序的情况下，插入排序性能最好 在大部分的情况下，快速排序有较好的综合性能 几乎在任何情况下，堆排序的表现都比较稳定
pdqsort
pdqsort是一种不稳定的混合排序算法，对常见的序列类型做了特殊的优化，是的不同条件下都拥有不错的性能
对于短序列（<=24），使用插入排序
其他情况，使用快速排序来保证整体性能
当快速排序多次表现不佳时，使用堆排序来保证最坏情况下时间复杂度仍然为O(n*logn)
如何使快速排序更快
关于pivot的选择：1、使用首元素作为pivot（最简单）
实现简单，但效果往往不好，如在有序情况下性能很差
2、遍历数组，寻找中位数
遍历比对代价高，性能差
！平衡两种思路，寻找近似中位数，根据序列长度的不同，来决定选择策略
短序列（<=8）,选择固定元素
中序列（<=50），采样3个元素，求中位数
长序列(>50)，采样9个元素，求中维素
pivot的采样方式使得具备探知序列当前状态的能力，采样得到逆序序列，则原序列可能是逆序的，采样得到有序序列，则原序列
可能是有序的
发现序列可能逆序，则翻转序列 -> 逆序场景
序列可能有序，使用优先插入排序 -> 有序场景
优化——重复元素很多的情况
如果两次partition生成的pivot相同，即partition进行了无效分割，此时认为pivot的值为重复元素
当检测到pivot和上次相同时，使用partitionEqual将重复元素排列在一起，减少重复元素对于pivot选择的干扰
优化——当pivot选择策略表现不佳时，随机交换元素
pdqsort最终版本
时间复杂度：best O(n), avg O(nlogn), worst O(nlogn)
高性能的排序算法如何设计：根据不同情况选择不同策略，取长补短
生产环境中使用的排序算法和课本上的排序算法有什么区别：理论算法注重理论性能，例如时间、空间复杂度等。生产环境中的算法需要面对不同的实践场景，更加注重实践性能
