线性时间排序概述

桶排序

如果我们待排序的数据在一个区间内，可以使用分治的思想来排序。

例如：

如果给你要给一个10G的订单按照时间排序，此时的问题是你的内存只有几百MB，那么你该怎么办？

可以使用分治的思想。

把10G文件遍历一下，得到最小值和最大值，查看他们之间的相隔数。

---

例如：最小：2019/11/13 01:00:25。最大：2019/11/20 10:12:14

我们可以按照天来分割为7个桶，或者按照4小时分割42个桶。

假设我们选择第二种，遍历文件，从2019/11/13开始。

第一个桶放2019/11/13 00:00:00- 2019/11/13 04:00:00

依次递增。

这样就形成了42个文件。

对于每个文件，把该文件导入内存进行排序。

我们就得到了42个有序的文件。

由于这42个有序的文件之间也是有序的。

所以从第一个文件开始遍历，把所有的文件遍历输出到一个文件即可。

计数排序

这个排序适合数据在一定范围内的，比较集中的。

比如：我们的数据集中在[10, 15]。

整个范围内存在的数据容量有15 - 10 + 1 = 6。总共有6个容量。

所以我们可以开辟一个数组大小为6的数组。

把每个数据放入对应的桶内。

---

例如：

存在数据[10,15,12,13,10,15,12]

那么我们开辟的数据存储的元素内容就为

[2,0,2,1,0,2]

表示：

10的个数，11的个数，12的个数...

这样遍历整个数组就可以得到对应的排序后的数据了。

基数排序

如果一组数据跨度较大，显然不适合使用计数排序，因为需要开辟的额外空间太多。

如果使用桶排序，显然效果也不会很好。

这个时候，基数排序就用上了。

---

例如：

待排序的数据为[1,10253,152,1674,24581369]

这样，我们可以先按照最后一位排序，因为每一位都在0-9的范围内，所以每一位可以使用计数排序。

那么就是这样：

第一次：[0, 1, 1, 1, 0, 0, 0, 0, 0, 1]

对应的：[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

按照这个顺序，把数据拿出来，就变为如下数据：

[1,152,10253,1674,24581369]

然后再比较倒数第二位，一直比较，没有的按照0来比较。

这样就可以实现跨度大的线性时间排序了。