我试着阅读一些有关n路合并的文章，但却不理解这个概念。我很困惑你为什么要在双向合并中使用n路合并？就像你为什么要将数组分为3个部分，然后对它们进行排序然后进行2部分的2路合并，然后将第3部分的2路合并与此合并的2部分：）
由于
答案 0 :(得分：12)
当您进行外部排序时，通常最终会有多个要合并的流。例如，假设您需要对数TB的数据进行排序，并且只有（例如）64 GB的RAM。
您通常通过读取64 GB，对其进行排序，然后将其写出来来实现。重复完整的TB级数据，为每个可以在内存中保存的“块”生成一个中间文件。有很多方法可以改进这一点，但是您通常希望的最好的方法是生成大约128千兆字节的已排序中间文件。
这会让你有许多中间文件要合并在一起 - 这个数字肯定会大于2。
如果您要定期执行此操作，您可能需要使用一些非常高端的硬件。如果您将每个中间文件放在一个单独的磁盘驱动器上（并且至少还有一个用于输出），您几乎可以肯定通过一次合并所有数据来提高速度，而不是一次只合并两个。该过程通常是I / O限制的，因此一次从（例如）8个磁盘读取的速度通常是一次仅从2个磁盘读取的速度的4倍（尽管这取决于具有那么多带宽的输出磁盘） ，这可能不是真的）。通过避免创建更多的中间文件（需要进一步合并），您的整体速度可能会提高一个更大的因素。
答案 1 :(得分：8)
在“正常”合并排序中，将数组除以2，直到达到log2n的深度，然后开始合并。两个大小为m的数组的每次合并也会进行2m次操作。
这将使您进入以下公式（在时序分析中）：
n/2 * 2 + n/4 * 4 + ... 1 * n = n * log2n
现在，如果你进行三向合并，你将把数组除以3.与前一种方法的区别是双重的：
log3n。这意味着，在最基本的实现中，您将获得这样的公式：
n/3 * 2*3 + n/9 * 2*9 + ... 1 * 2*n = 2 * n * log3n
请注意，2乘以，因为找到三个元素的最小值包含2个操作。
渐近地，这两个都是Θ(nlogn)。但是，也许（我没有尝试过）在实践中，三向合并排序会因其log3n而提供更好的性能。然而，由于n = 1000000的log2n仅为20，而相同数字的log3n为12.5，我怀疑除非n非常大，否则此优化将非常有效。
通过巧妙的实现，k-way合并确实可以对合并排序产生很好的影响。我们的想法是，一旦找到最小的k元素，您就已经知道其余k-1元素之间的关系并非最小。因此，一旦从其各自的列表中消耗该最小元素，您只需要比较该列表的新值并找到与剩余的k-1元素相关的排序。使用堆，这将是非常简单的。
请务必同时查看Jerry's answer。我同意他的看法，多路合并的真正威力来自于处理多个磁盘和并行处理。