算法应用

例：某时间内，统计直播间礼物top10排行榜

• 礼物存储在Redis-zset中，使用skiplist使得元素整体有序
• 使用redis集群，避免单机压力过大，使用主从、分片算法
• 保证集群原信息的稳定，使用 一致性算法
• 后端采用LRU降低Redis压力

几个经典排序算法

理论分析

	Best	Acg	Worst
Insertion Sort	$O(n)$	$O(n^2)$	$O(n^2)$
Quick Sort	$O(n*\log n)$	$O(n*\log n)$	$O(n^2)$
Heap Sort	$O(n*\log n)$	$O(n*\log n)$	$O(n*\log n)$

---

实际场景中，序列元素有几种情况

1. 完全随机
2. 有序（逆序）的情况
3. 元素重复度高
4. 序列有短、中、长等

---

实际测试中，以上三种代表性算法在

• 短序列中，插入排序速度最快
• 快速排序在多数情况下性能较好
• 所有情况下堆排序的表现都比较稳定
• 插入排序在已经有序的情况下速度最快

综合上述三个算法做到

arxiv.org/pdf/2106.05…

	Best	Acg	Worst
pdqSort	$O(n)$	$O(n*\log n)$	$O(n* \log n)$

pdqSort

Pattern-defeating-quicksort一种不稳定的混合排序算法。它的不同版本用在C++ BOOST、Rust以及Go1.19中。

策略

• 对于短序列（11~32，泛型版本采用24），使用插入排序
• 其他情况，快速排序来保证整体性能
  • pivot尽量为序列的中位数
    • 在随意选择（性能差）和寻找最优（效率低）之间平衡
      • 短序列，选择固定元素
      • 中序列，采样三个元素，近似中位数
      • 长序列，采样九个元素，近似中位数
    • 采样发现序列可能逆序reverse，可能顺序在变更为限制性插入排序
  • Partition更快
• 快速排序遇到最快情况时，采用堆排序来替换
  • 当pivot位置离序列两端接近时判定表现不佳
• 元素重复度高
  • 两次Partion生成的pivot相同，则认为pivot的值为重复元素
  • 将重复元素排列在一起，减少重复元素对于pivot选择干扰
• Pivot选择策略表现不佳，随机交换元素
  • 避免极端情况表现不佳，以及黑客攻击

---

• 总体来说，工业级的算法是在当前研究成果的基础上，结合实际的应用场景的数据和需求，做出满足的设计
• 实际上，该pdqSort示例也是设计的一种通用混合算法，针对特定问题和场景肯定还有很多优化的空间
• 因此，业务中实际使用的算法需要根据场景和面临的问题做出相应的改动，并且最坏情况在某些业务中是需要重点被考虑的（安全问题）