我们知道快速排序是最快的排序算法。
collections.sort使用合并排序算法而不是快速排序。但是Arrays.sort使用快速排序。
Collections.sort使用合并排序而不是快速排序的原因是什么？
答案 0 :(得分：172)
极有可能来自Josh Bloch §：
我确实写过这些方法，所以我想我有资格回答。它是 确实没有单一的最佳排序算法。 QuickSort有 与mergesort相比有两个主要缺陷：
它不稳定（正如parsifal所说）。
它不保证 n log n性能;它可以降低到病理输入的二次性能。
稳定性对于原始类型来说不是问题，因为没有概念 身份与（价值）平等不同。和可能性 二次行为在实践中被认为不是一个问题 Bentely和McIlroy的实现（或随后用于Dual Pivot Quicksort），这就是为什么这些QuickSort变体用于 原始的种类。
在对任意对象进行排序时，稳定性是一个大问题。例如， 假设您有表示电子邮件的对象，并进行排序 他们先按日期，然后按寄件人。你希望它们按顺序排序 每个发件人中的日期，但只有在排序的情况下才会成立 稳定。这就是我们选择提供稳定排序（合并排序）的原因 排序对象引用。 （从技术上讲，多个顺序 稳定的排序导致对词中的键的词典排序 排序的相反顺序：最终排序决定最多 重要的子项。）
Merge Sort 保证 n log n（时间）这是一个很好的附带好处 性能无论输入什么。当然有一个不利方面： 快速排序是一种“就地”排序：它只需要记录外部空间 （维护调用堆栈）。另一方面，合并，排序， 需要O（n）外部空间。 TimSort变体（在Java中引入） 如果输入阵列是，则SE 6）需要的空间（O（k））要小得多 几乎排序。
此外，following是相关的：
java.util.Arrays.sort和（间接）使用的算法 java.util.Collections.sort对对象引用进行排序是“修改过的 mergesort（如果最高元素，则省略合并 低子列表小于高子列表中的最低元素。“它 是一个相当快速稳定的排序，保证O（n log n） 性能并需要O（n）额外空间。在它的日子（它写了 在1997年由约书亚布洛赫，这是一个很好的选择，但今天，但我们可以 做得更好。
自2003年以来，Python的列表排序使用了一种名为timsort的算法 （在撰写之后的蒂姆彼得斯之后）。它是一种稳定的，自适应的迭代 mergesort，需要远远少于n log（n）比较时 在部分排序的阵列上运行，同时提供性能 与随机数组上运行的传统mergesort相当。喜欢 所有正确的mergesorts timsort是稳定的并且在O（n log n）时间内运行 （最糟糕的情况）。在最坏的情况下，timsort需要临时存储 n / 2个对象引用的空间;在最好的情况下，它只需要一个 小的恒定空间。与此相反 实现，总是需要额外的空间用于n个对象 引用，仅在近乎排序的列表上击败n log n。
Timsort在这里有详细描述： http://svn.python.org/projects/python/trunk/Objects/listsort.txt
Tim Peters最初的实现是用C. Joshua Bloch编写的 将它从C移植到Java并最终测试，基准测试和调整 结果代码广泛。生成的代码是一个插件 替换java.util.Arrays.sort。在高度有序的数据上，这个 代码的运行速度最高可达当前实现的25倍（on HotSpot服务器VM）。随机数据，新旧速度 实现具有可比性。对于非常短的名单，新的 实现大大快于老即使随机 数据（因为它避免了不必要的数据复制）。
另请参阅Is Java 7 using Tim Sort for the Method Arrays.Sort?。
没有一个“最佳”选择。与许多其他事情一样，这是权衡利弊。