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、为什么要学习数据结构和算法？
在各种存储、计算过程中，都需要用到数据结构和算法进行优化，保证空间和时间的最大化利用。
什么是最快的排序算法：Python-timesort、C++ - inrosort、Rust - pdqsort
_go的排序算法：_introsort
二、经典排序算法
插入排序 | 快速排序 | 堆排序 | Benchmark
插入排序
将元素不断插入以及排序好的array中
-
起始只有一个元素，后续元素插入有序序列中并不断交换，知道找到第一个比其小的元素。
-
**缺点：**平均和最坏情况时间复杂度高达O(n^2)。
-
**优点：**最好情况时间复杂度为O(n)。
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，使用轴点分割序列，分为比轴点大和比轴点小两个序列。
-
**缺点：**最坏情况时间复杂度高达O(n^2)。
-
**优点：**平均情况时间复杂度为O(n*logn)。
堆排序
利用堆的性质实现的排序算法
-
构造大顶堆，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。
-
**缺点：**最好情况时间复杂度高达O(n*logn)。
-
**优点：**最坏情况时间复杂度为O(n*logn)。
插入性能最差，快排整体平均，堆排序非常稳定。
插入排序适用场景：短序列，已有序序列
快速排序适用场景：中长序列，无序序列
堆排序适用场景：任意序列，无序序列
三、从零开始打造pdqsort
pdqsort(pattern-defeating-quicksort)
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优化，使得其在不用条件下都拥有不错的性能。
具体思想：短序列适用插入排序，其他情况使用快速排序，快排表现不佳时使用堆排序保证最坏情况。
短序列长度：12~32
当最终pivot的位置里序列两端很接近时（小于length/8），当这种情况的次数达到limit（bits.Len(length)），切换到堆排序
如何进一步加速？
尽量使快排的轴点为序列的中位数。
pivot的选择
-
短序列(<=8)，固定元素
-
中序列(<=50)，采样三个元素
-
长序列(>50)，采样九个元素
采样过程中我们可以探知当前序列的状态：
若采样元素都是逆序，有可能序列已经是逆序，反转序列。
若采样元素都是顺序，有可能序列已经是有序，使用插入排序。
没有完美的排序算法，一般情况下都是使用混合排序算法。
