一、数据结构前置知识

时间复杂度和空间复杂度

时间复杂度和空间复杂度一般是针对算法而言，是衡量一个算法是否高效的重要标准。先纠正一个误区，时间复杂度并不是算法执行的时间，再纠正一个误区，算法不单单指冒泡排序之类的，一个循环甚至是一个判断都可以称之为算法。其实理解起来并不冲突，八大排序甚至更多的算法本质上也是通过各种循环判断来实现的。
时间复杂度： 指算法语句的执行次数。O(1),O(n),O(logn),O(n2)
空间复杂度： 就是一个算法在运行过程中临时占用的存储空间大小，换句话说就是被创建次数最多的变量，它被创建了多少次，那么这个算法的空间复杂度就是多少。有个规律，如果算法语句中就有创建对象，那么这个算法的时间复杂度和空间复杂度一般一致，很好理解，算法语句被执行了多少次就创建了多少对象。

二、经典排序算法

冒泡排序（Bubble Sort）

算法描述：

• 比较相邻的元素。如果第一个比第二个大，就交换它们两个；
• 对每一对相邻元素作同样的工作，从开始第一对到结尾的最后一对，这样在最后的元素应该会是最大的数；
• 针对所有的元素重复以上的步骤，除了最后一个；
• 重复步骤1~3，直到排序完成。

如果两个元素相等，不会再交换位置，所以冒泡排序是一种稳定排序算法。

快速排序（Quick Sort）

算法描述：
使用分治法来把一个串（list）分为两个子串（sub-lists）。具体算法描述如下：

• 从数列中挑出一个元素，称为 “基准”（pivot）；
• 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作；
• 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

key值的选取可以有多种形式，例如中间数或者随机数，分别会对算法的复杂度产生不同的影响。

归并排序（Merge Sort）

算法描述：

• 把长度为n的输入序列分成两个长度为n/2的子序列；
• 对这两个子序列分别采用归并排序；
• 将两个排序好的子序列合并成一个最终的排序序列。

三、pdqsort

简介

pdqsort（pattern-defeating-quicksort）
是一种不稳定的混合排序算法，它的不同版本被应用在C++ BOOST、Rust以及Go1.19中。它对常见的序列类型做了特殊的优化，使得在不同条件下都拥有不错的性能。

顾名思义，它结合了三种排序方法的优点：

• 对于短序列（小于一定长度）我们使用插入排序
• 其他情况，使用快速排序保证整体性能
• 当快速排序表现不佳时，使用堆排序保证在最坏情况下时间复杂度仍然为O（n*logn）

最终版本

时间复杂度对比

四、总结

1. 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用的实践场景，更加注重实践性能
2. Go语言的排序算法实际一直是混合排序算法，主体是快速排序。Go<1.18时的算法也是基于快速排序。和pdqsort的区别在于fallback时机、pivot选择策略、是否有针对pattern优化等。
3. 在设计高性能的排序算法时，要根据不同情况选择不同策略，取长补短，也就是具体问题具体分析。