杂说

有一个月没有更新了，这一个月经历了比996还苦逼的加班，一个月时间完成了和一个互联网流量平台的功能开发、压测和上线，上线后也如期完成了每天预估1个亿的揽储指标，付出也算是有成果的。接下来还是会继续日常的文章更新，保持一个持续的技术热情。

今天会介绍2种常用的外部排序，桶排序、计数排序。外部排序就是待排序的数据超过了内存的大小，需要将部分数据在内存中先排序，排好序后再将磁盘上的部分数据放入内存进行排序，最后在磁盘上将数据合并为有序集合。

桶排序核心思想

桶排序的排序核心思想是将要排序的数据分到几个有序的桶中，每个桶中的数据再单独排序，桶内排完序后，再把每个桶里的数据按照顺序依次取出，组成的序列就是有序的。把n个数分到m个桶中，每个桶中有k=n/m个数，每个桶进行快速排序，每个桶的时间复杂度为O(klogk),m个桶则为O(mklogk)，k=n/m则一共的时间复杂度为O（m* n/m * log(n/m)）= O(nlog(n/m))，当m=n时则复杂度无限接近O(n)。

桶排序的缺点是对排序数据的要求非常苛刻，1）要排序的数据需要很容易就能划分为m个桶，并且桶与桶之间有天然的大小顺序；2）数据在每个桶中均匀分布，如果分布非常不平均，则会出现所有数据在一个桶中，则退化为了O(nlogn)的排序算法。

桶排序主要适用于外部排序，数据量较大，内存有限的场景。

对100G交易数据进行桶排序

如果待排序的数据比较大，超过了内存的大小，例如要对100G的交易数据按照交易金额进行排序。可以先扫描一遍文件，看交易金额所处的范围，假如扫描后得到订单金额是1元到10万元，则我们将所有交易按金额分配到1000个桶中，第一个桶中保存1-1000元之内的交易，第二个桶中保存1001-2000之间的交易，以此类推。每个桶对应一个文件，并且按照金额范围的大小顺序编号进行命名。

理想情况下，如果订单金额在1到10万之间均匀分布，那订单会被均匀划分到1000个文件中，每个小文件中存储大约100M的交易数据，这就可以将折1000个文件依次放入内存中，用快速排序来进行排序，等所有文件都排好序后，只需要按照文件编号，从小到大依次读取每个文件中的订单数据，并将其写入到一个文件中，那这个文件中存储的就是按照金额从小到大排序的交易数据。

一般来说数据不是均匀分布的，对于数据在某个金额区间存在数据集中的情况，那么可以对集中的数据再次进行划分多桶，直到划分到可以存入内存并且内存容量够进行排序为止。

计数排序核心思想

计数排序是桶排序的一种特殊情况，当要排序的数据所处的范围不大的时候，比例最大值为k，可以将数据划分为k个桶，每个桶内的数据都是相同的，省掉了桶内排序的时间。

考试成绩按照分数排序就是典型的计数排序的使用场景。因为只涉及到对考生成绩进行便利，那时间复杂度为O（n），性能是非常高的。

计数排序适用于数据的范围比较小，并且要求是非负整数，如果排序有负数或者非整数，需要进行处理为正整数后再进行排序，所以计数排序在一些特定场景下可以使用，也会有特别好的排序效果，就是对待排数据的要求比较严格。

总结

桶排序在日常工作中是用的比较多的外排序，也能解决很多大数据量的排序问题，桶排序结合MapReduce能够实现高性能的大数据排序需求，这里就不细细讨论了，桶排序的使用场景也是在日常面试中经常会被问到的问题，一般是会通过大数据量排序这个问题引出桶排序的实现思路和方法。