前面几篇讲过了几种常用的排序算法，这篇就是考虑如何实现一个通用的排序算法。
首先回顾一下排序算法的一些性能相关的信息，如图。
其中，线性排序的时间复杂度比较低，但是适用场景较为特殊，所以无法用于通用的排序算法。
如果是针对于小规模数据进行排序，可以选择时间复杂度为O(n^2)的排序算法；但如果对大规模的数据进行排序，还是时间复杂度O(nlogn)的更为高效。所以，为了兼顾任意规模数据的排序，一般选择时间复杂度为O(nlogn)的排序算法。
时间复杂度是O(nlogn)的排序算法不止一个，有前面说过的归并排序、快速排序，还有堆排序（等分享二叉树的时候再聊堆排序），这几个在编程语言中都有对应的排序函数实现。
以Java为例，其有基于快速排序的DualPivotQuicksort和基于归并排序的TimSort（以及ComparableTimSort，两者的主要区别在于是否使用自定义的比较器）。
下面聊一下TimSort的实现思路和代码。
TimSort的实现思路
这是一种基于归并排序和插入排序的混合排序算法，不过其对归并排序做了大量优化。
当待排序序列元素少于32个时，会使用binarySort，其基于二分查找实现了一个快速的插入排序算法。
当待排序序列元素大于等于32个时，就是真正的TimSort逻辑了。
- 选出minRun的大小，用于后续将待排序数组的分块。
- 找出初始的一组升序数据，countRunAndMakeAscending会找出一个runLen，代表找出的有序数据的长度。（如果寻找过程中发现的是一个降序数组，会进行reverse操作，保证升序）。
- 如果2中找到的runLen小于minRun，会利用binarySort对初始有序数组进行扩展，扩展后，保证仍有序。
- 进行入栈操作，分别存入有序数组起始下标、长度，便于后面的merge操作。
- 对栈中的多个数组进行merge操作。
- 重复2 ~ 5步骤，直到待排序数组中的数据排序完。
- 最终处理，如果此时仍有数组未merge，则进行merge，直到栈中数据都合并到一起。
代码
static merge操作时， 只对相邻块进行merge。
假设X、Y、Z为三个相邻块。
当栈中只有两个块时，if (X <= Y)，将X和Y进行merge。
当栈中块数大于等于3时，if (X <= Y + Z)时，如果X < Z，merge X和Y，否则合并Y和Z。
直到栈中块数为1，或者同时满足X > Y + Z和Y > Z，本轮操作结束。
private 当要合并时，由于要合并的两个序列已经有序，所以合并的时候，也有一处优化。假设两个序列是run1和run2，先用gallopRight找到run2首元素在run1中的位置（合并时可忽略run1中在此位置之前的元素），然后用gallopLeft找出run1尾元素在run2中的位置（合并时可忽略run2中在此位置之后的元素）。然后根据位置的大小关系执行mergeLo或者mergeHi。
private 
7420
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
