【数据结构与算法】-＞算法-＞排序（四）-＞排序优化-＞如何实现高性能的通用排序函数

Ⅰ 前言

前面三节，我已经把基本的排序算法都讲完了，第四节作为一个总结，分析一下排序算法的优化。

【数据结构与算法】-＞算法-＞排序（一）-＞冒泡排序&插入排序&选择排序

【数据结构与算法】-＞算法-＞排序（二）-＞归并排序&快速排序

【数据结构与算法】-＞算法-＞排序（三）-＞线性排序-＞桶排序&计数排序&基数排序

几乎所有的编程语言都会提供排序函数，比如 C 语言中 qsort()，C++ STL 中的sort()、stable_sort()，还有 Java 语言中的 Collections.sort()。在平时的开发中，我们也都是直接使用这些现成的函数来实现业务逻辑中的排序功能。这篇文章我们就来简单探讨一下这些排序函数的底层逻辑。这也由此引出了这篇文章的主题，如何实现一个通用的、高性能的排序函数？

Ⅱ 如何选择合适的排序算法

如果要实现一个通用的、高效率的排序函数，我们应该选择哪种排序算法？让我们先回顾一下前三篇文章里讲过的几种排序算法。

算法名称	时间复杂度	是稳定排序？	是原地排序？
冒泡排序	O(n2)	√	√
插入排序	O(n2)	√	√
选择排序	O(n2)	×	√
快速排序	O(nlog2n)	×	√
归并排序	O(nlog2n)	√	×
计数排序	O(n+k) k是数据范围	√	×
桶排序	O(n)	√	×
基数排序	O(d*n) d是维度	√	×

在第三节我讲过，线性排序算法的时间复杂度比较低，适用场景比较特殊。所以如果要写一个通用的排序函数，不能选择线性排序算法。

如果对小规模数据进行排序，可以选择时间复杂度是 O(n²) 的算法；如果对大规模数据进行排序，时间复杂度是 O(nlog₂n) 的算法更加高效。所以为了兼顾任意规模数据的排序，一般都会首选时间复杂度是 O(nlog₂n) 的排序算法来实现排序函数。

时间复杂度是 O(nlog₂n) 的排序算法不止一个，我在前面的文章里讲过归并排序、快速排序，在后面讲解堆的时候我还会写到堆排序。堆排序和快速排序都有比较多的应用，比如 Java 采用堆排序实现排序函数，C 语言使用快速排序实现排序函数。

如果你留心的话，会发现，使用归并排序的情况其实不多。我们知道，快排在最坏情况下时间复杂度是 O(n²) ，而归并排序可以做到平均情况、最坏情况下的时间复杂度都是 O(nlog₂n) ，这点上归并排序是很优秀的，可是为什么还是得不到秃头程序员的宠信呢？

其实就是因为归并的一个弱点，就是归并排序并不是原地排序算法，空间复杂度是 O(n)。所以粗略和夸张地说，如果要排序 100MB 的数据，除了数据本身占用的内存之外，排序算法还要额外再占用 100MB 的内存空间，空间耗费就翻倍了。

虽然我们说快排比较适合实现排序函数，但是快排在最坏情况下的时间复杂度也有 O(n²)，如何解决这个 “复杂度恶化” 的问题呢？

Ⅲ 如何优化快速排序

快速排序的最坏情况，就是数据原来就是有序的或者接近有序的，每次分区点都选择最后一个数据，那么快速排序算法就会变得非常糟糕，时间复杂度会退化到 O(n²)。实际上，这种 O(n²) 时间复杂度出现的主要原因是因为我们分区点选得不够合理。

最理想的分区点是：被区分点分开的两个区中，数据的数量差不多。

如果很粗暴地直接选择最后一个或者第一个数据作为区分点，不考虑数据的特点，肯定会出现上述的情况，所以为了提高排序算法的性能，我们也要尽可能地让每次分区都比较平均。

那该如何选择分区点呢？我这里给出两个方法。

• 三数取中法

我们从区间的首、尾、中间，分别取出一个数，然后对比大小，取这 3 个数的中间值作为分区点。这样每间隔某个固定的长度，取数据出来比较，将中间值作为分区点的分区算法，肯定要比单纯取某一个数据更好。如果要排序的数组比较大，那“三数取中”可能就不够了，可能要“五数取中”甚至“十数取中”。

• 随机法

随机法就是每次从要排序的区间中，随机选择一个元素作为分区点。这种方法不能保证每次分区点都选得比较好，但是从概率上看，不大可能会出现每次分区点都选得很差的情况。

我们知道，快排是用递归来实现的。递归是非常要警惕堆栈溢出的。所以为了避免快速排序里，递归过深而堆栈过小，导致堆栈溢出，我们有两种解决方法：第一种是限制递归深度，一旦递归过深，超过了我们设定的阈值，就停止递归；第二种办法是通过在堆上模拟实现一个函数调用栈，手动模拟递归压栈、出栈的过程，这样就没有了系统栈大小的限制。

Ⅳ 举例分析排序函数

这里我们分析 C 语言中的函数 qsort()。虽说qsort()从名字上看，很像是基于快速排序算法实现的，实际上它用了很多算法组合而成。

如果你去看源码，就会发现，qsort() 会优先使用归并排序来排序输入数据，因为归并排序的空间复杂度是 O(n) ，所以对于小数据量的排序，比如 1KB、2KB 等，归并排序多占用的这点空间问题不大。有时候是需要用空间换时间的。

但是数据量太大的时候，就不可以这样做了，所以，要排序的数据量比较大的时候，qsort()会改为用快速排序算法来排序。

那qsort()是如何选择快速排序算法的分区点呢？你看源码就会发现，它用的正是我在上面写的“三数取中法”。

还有我们前面提到的递归太深会导致堆栈溢出的问题，qsort()是通过自己实现一个堆上的栈，手动模拟递归来解决的。

实际上，qsort()并不仅仅用到了归并排序和快速排序，它还用到了插入排序。在快速排序的过程中，当要排序的区间中，元素的个数小于等于 4 时，qsort()就退化为插入排序，不再继续用递归做快速排序。 这是因为在小规模的数据面前，O(n²) 时间复杂度的算法并不一定比 O(nlog₂n) 的算法执行时间长。

所以你看，一个排序函数也没有很复杂，一个 C 语言的排序函数差不多就被我们分析完了。