14 | 排序优化：如何实现一个通用的、高性能的排序函数？

一、如何选择合适的排序算法？

线性排序算法时间复杂度低，适用场景比较特殊。所以选择一个通用的、高性能的排序算法，不能选用线性排序。
小规模的数据排序，选用时间复杂度是O(n²)的算法；大规模数据进行排序，时间复杂度是O(nlogn)的算法更加高效。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(nlogn)的排序算法来实现排序函数。
时间复杂度是O(nlogn)的排序算法：归并排序、快速排序（C语言的排序函数）、堆排序（Java语言的排序函数）。

归并算法时间复杂度优于快排，为什么没有被大量应用吗？
归并的平均情况和最坏情况下的时间复杂度都是O(nlogn)，但快排的最坏情况时间复杂度是O(n²)。为什么归并没有被大量应用？归并空间复杂度是O(n)，不是原地排序算法。即除数据本身内存大小外，还要额外占用和数据一样大小的内存。

二、如何优化快速排序？

2.1、如何优化快速排序最坏情况下的时间复杂度O(n²)呢？

**出现这种情况的描述：**数据完全或接近有序，每次分区点选择最后一位。
**原因是：**分区点选的不够合理。

如何选出好的分区点？

**最理想的分区点是：**被分区点分开的两个分区中，数据的数量差不多。
根据数据特征去选分区点，而不是粗暴的选第一个或者最后一个。

两个常用、简单的分区算法

1、三数取中法
从数据的头、尾、中取出数后，进行比较取中间数为分区点。如果数组比较大，那还可以“五数取中”或者“十数取中”。

2、随机法
在数据中随机选择一个作为分区点，虽然不能选到最合适的分区点，但是从概率来讲选到最坏的分区点也不容易。

解决快速排序的递归过深导致堆栈溢出的两种方式

第一种：限制深度。一旦递归超过我们预设的阈值，就停止递归。

第二种：（没明白）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。

O(n²)时间复杂度的算法并不一定比O(nlogn)的算法执行时间长

算法的性能通过时间复杂度来分析衡量，但是这个分析比较偏理论。仔细深究的话，时间复杂度并不等于代码实际的运行时间。
时间复杂度代表的是一个增长趋势图。O(n²)比O(nlogn)要陡峭，增长趋势要猛。
如果不忽略低阶、系数和常数。O(nlogn)=O(knlogn+c)，k和c有可能还是一个比较大的数。举一个具体的例子：
k=1000,c=200,n=100

knlogn+c = 1000 * 100 * log100 + 200 远大于10000
n^2 = 100*100 = 10000

可以看出O(n²)要比O（nlogn）的值要小。