标签：mergesort module logs 包含 init 通过 problems eve 假设
Python的排序算法由Peter Tim提出，因此称为TimSort。它最先被使用于Python语言，后被多种语言作为默认的排序算法。TimSort实际上可以看作是mergeSort+binarySort，它主要是针对归并排序做了一系列优化。如果想看Python的TimSort源码，在Cpython的Github仓库能找到，这里面还包含一个List对象的PyList_Sort函数。这篇文章为了方便借用JAVA对TimSort的实现源码来说明其原理。
一.binarySort函数
TimSort非常适合大量数据的排序，对于少量数据的排序，TimSort选择使用binarySort来实现，因此我想先介绍一下binarySort的过程。
我们知道插入排序的思路是通过交换元素位置的方式依次插入元素(如果不太了解插入排序可以先去熟悉一下)，当要插入元素时，从已排序的部分的最后一位开始，依次比较其与待插入的元素的值，这样来找到待插入元素的位置。显然，在插入排序的过程中，始终是有一个在增长的有序部分和在缩短的无序部分。排序过程见下图(图源自RainySouL1994的博客)：
但是插入排序有个很明显的问题，在找当前元素的位置时它是一步一步地在有序部分往前推进的，而有序列表的插入可以通过二分法来减少比较次数，这和二分查找的目的不同但是思路相同(可以自己尝试一下实现它)，我们称其为二分插入，通过二分插入实现的排序就是二分排序(binarySort)。我们可以看一下它的Java源码：
//a是数组,lo是待排序部分(有序部分+无序部分)的最低位(包含)，hi是最高位(不包含),start是无序部分的最低位,c是比较函数即排序的依据 private static <T> void binarySort(T[] a, int lo, int hi, int start, Comparator<? super T> c) { assert lo <= start && start <= hi; if (start == lo) start++; for ( ; start < hi; start++) {//接下来就是二分插入的过程 T pivot = a[start]; int left = lo; int right = start; assert left <= right; while (left < right) { int mid = (left + right) >>> 1; if (c.compare(pivot, a[mid]) < 0) right = mid; else left = mid + 1; } assert left == right; int n = start - left;//n表示要移动的元素数量 //优化插入过程，当要移动的元素数量为1或2时，可以直接交换元素位置； //否则将left后的元素往后挪一位再插入，方式是通过arraycopy函数复制 switch (n) { case 2: a[left + 2] = a[left + 1]; case 1: a[left + 1] = a[left]; break; default: System.arraycopy(a, left, a, left + 1, n); } a[left] = pivot; } }
二.run
这是TimSort中最重要的一个概念，实在找不到合适的翻译(无奈脸)。run实际上就是一个连续上升（包含相等）或者下降（不包含相等）的子串。比如对于数组[1,3,2,4,6,4,7,7,3,2]，其中有四个run，第一个是[1,3]，第二个是[2,4,6]，第三个是[4,7,7]，第四个是[3,2]，在函数中对于单调递减的run会被反转成递增的序列。源码中通过countRunAndMakeAscending()函数来得到run：
private static <T> int countRunAndMakeAscending(T[] a, int lo, int hi, Comparator<? super T> c) { assert lo < hi; int runHi = lo + 1; if (runHi == hi) return 1; //找到run的结束位置，如果是下降的序列将其反转 if (c.compare(a[runHi++], a[lo]) < 0) { while (runHi < hi && c.compare(a[runHi], a[runHi - 1]) < 0) runHi++; reverseRange(a, lo, runHi); } else { while (runHi < hi && c.compare(a[runHi], a[runHi - 1]) >= 0) runHi++; } return runHi - lo;//返回值为run的长度 }
三.TimSort排序过程
直接上源码分析，可以参考代码注释和下面的解释来阅读：
static <T> void sort(T[] a, int lo, int hi, Comparator<? super T> c, T[] work, int workBase, int workLen) { assert c != null && a != null && lo >= 0 && lo <= hi && hi <= a.length; int nRemaining = hi - lo;//待排序的数组长度 if (nRemaining < 2) return; //长度为0或1的数组无需排序 // 如果数组长度小于32(即MIN_MERGE，TimSort的Python版本里这个值为64)，直接用binarySort排序 if (nRemaining < MIN_MERGE) { int initRunLen = countRunAndMakeAscending(a, lo, hi, c);//找到第一个run，返回其长度 binarySort(a, lo, hi, lo + initRunLen, c);//第一个run已排好序，因此binarySort的参数start=lo+initRunLen return; } TimSort<T> ts = new TimSort<>(a, c, work, workBase, workLen); int minRun = minRunLength(nRemaining);//最小run长度，见解释A do { // 找run int runLen = countRunAndMakeAscending(a, lo, hi, c); // 如果run长度小于minRun，将其扩展为min(nRemaining,minRun) if (runLen < minRun) { int force = nRemaining <= minRun ? nRemaining : minRun; binarySort(a, lo, lo + force, lo + runLen, c);//扩展run到长度force runLen = force; } ts.pushRun(lo, runLen);// 将run保存到栈中，见解释B ts.mergeCollapse();// 根据规则合并相邻的run，见解释C // 继续寻找run lo += runLen; nRemaining -= runLen; } while (nRemaining != 0); // Merge all remaining runs to complete sort assert lo == hi; ts.mergeForceCollapse();//最后收尾，将栈中所有run从栈顶开始依次邻近合并，得到一个run assert ts.stackSize == 1; }
解释A：在执行排序算法之前，会计算minRun的值，minRun会从[16,32]区间中选择一个数字，使得数组的长度除以minRun等于或者略小于2的幂次方。比如长度是65，那么minrun的值就是17；如果长度是174，minrun就是22。minRunLength()函数代码如下：
private static int minRunLength(int n) { assert n >= 0; int r = 0; // 如果n的低位有任何一位为1，r就会置1 while (n >= 32) { r |= (n & 1); n >>= 1; } return n + r; }
解释B：存run是通过两个栈，分别保存run的起始位置和长度，可以看pushRun()函数代码：
private int stackSize = 0; // 栈中run的数量 private final int[] runBase; private final int[] runLen; private void pushRun(int runBase, int runLen) { this.runBase[stackSize] = runBase; this.runLen[stackSize] = runLen; stackSize++; }
解释C：这里的合并规则如下：假设栈顶三个run依次为X，Y，Z，X为栈顶run，要求它们的长度满足X+Y<Z及X<Y两个条件。其实这就是TimSort算法的精髓所在了，它通过这样的方式尽力保证合并的平衡性，即让待合并的两个数组尽可能长度接近，从而提高合并的效率。通过这两个条件限制，保证了栈中的run从栈底到栈顶是从大到小排列的，并且合并的收敛速度与斐波那契数列一样。可以看mergeCollapse()函数代码：
private void mergeCollapse() { while (stackSize > 1) { int n = stackSize - 2; if (n > 0 && runLen[n-1] <= runLen[n] + runLen[n+1]) {//条件一不满足的话，Y就会和X、Z中较小的run合并 if (runLen[n - 1] < runLen[n + 1]) n--; mergeAt(n); } else if (runLen[n] <= runLen[n + 1]) {//条件二不满足的话，Y就和X合并 mergeAt(n); } else { break; // Invariant is established } } }
四.合并的方式
到这里我们就把整个流程讲完了，还有最后一个问题没有讲--如何合并run？合并两个run需要额外空间(可以不用，但是效率太低)，额外空间大小我们可以设为较小的run的长度。假设我们有前后X、Y两个run需要合并，X较小，那么X可以放入临时内存中，然后从小到大合并；如果Y较小，那么把Y放入临时内存，然后从大到小排序。这个流程其实也比较简单(图源自佛西先森的博客)：
并且，由于两个run都是已经排好序的序列，我们可以在run合并之前计算A中最后一个元素在B中的位置i，那么B中i之后的元素都不需要参与合并；同理，我们也可以计算B中第一个元素在A中位置j，A中j之前的元素都不需要参与合并。
在归并排序算法中合并两个数组就是一一比较每个元素，把较小的放到相应的位置，然后比较下一个，这样有一个缺点就是如果A中如果有大量的元素A[i...j]是小于B中某一个元素B[k]的，程序仍然会持续的比较A[i...j]中的每一个元素和B[k]，增加合并过程中的时间消耗。
为了优化合并的过程，TimSort设定了一个阈值MIN_GALLOP，如果A中连续MIN_GALLOP个元素比B中某一个元素要小，则通过二分搜索找到A[0]在B中的位置i0，把B中i0之前的元素直接放入合并的空间中，然后再在A中找到B[i0]所在的位置j0，把A中j0之前的元素直接放入合并空间中，如此循环直至在A和B中每次找到的新的位置和原位置的差值是小于MIN_GALLOP的，这才停止然后继续进行一对一的比较。
五.总结
总结一下上面的排序的过程：
runrun之后会把他放入栈中run符合合并条件，就会合并相邻的两个run参考资料：1.世界上最快的排序算法——Timsort
2.JDK8官方源码
标签：mergesort module logs 包含 init 通过 problems eve 假设
原文地址：https://www.cnblogs.com/hejiayang/p/14119741.html
