假设我们得到了k个排序数组（每个数组的大小为n），在这种情况下，它使用的是 priority堆优于传统的合并（类似于一个）用于合并排序），反之亦然？
优先队列方法：：在这种方法中，我们有一个大小为k的 min堆（最初，每个数组中的第一个元素被添加到堆中）。现在，我们从输入数组之一中删除min元素，将其放在最终数组中，然后从同一输入数组中插入一个新元素。这种方法需要O(kn log k)时间和O(kn)空间。注意：占用O(kn)空间是因为这是最终数组的大小，并且在计算渐近空间复杂度时，它占据了堆的大小。
传统合并：：在这种方法中，我们合并前两个数组以获得大小为2n的排序数组。我们对所有输入数组重复此操作，并在第一遍之后获得k/2个排序数组，每个数组的大小为2n。我们重复此过程，直到获得最终阵列。每次通过的时间复杂度为O(kn)，因为每次比较后都会将一个元素添加到相应的输出数组中。而且我们有log k个传递。因此，总时间复杂度为O(kn log k)。而且由于我们可以在每次通过之后删除输入数组，所以在任何时候使用的空间都是O(kn)。
我们可以看到，两种方法的渐进时间和空间复杂度完全相同。那么，到底什么时候我们更喜欢另一种呢？我知道对于外部排序， Priority Queue 方法更好，因为您只需要O(k)内存空间，并且可以读写磁盘中的每个元素。但是，当我们有足够的内存时，这些方法又如何相互叠加？
答案 0 :(得分：2)
比较+移动的操作总数大约是相同的。 k向合并的比较更多，但移动较少。我的系统有一个8路缓存（Intel 3770K 3.5 ghz），在4路合并排序的情况下，允许4行输入缓存4行，合并输出运行缓存1行。在64位模式下，有16个寄存器可用于工作变量，其中8个用于指向每个“运行”的当前位置和结束位置的指针（编译器优化）。
在我的系统上，我比较了4路合并（无堆，每移动一个元素〜3个比较）和2路合并（每移动〜1个比较，但通过次数为两倍），这4次合并的1.5倍比较次数，但移动次数为0.5倍，因此操作数基本相同，但由于缓存问题，第4种方式的速度大约提高了15％。
我不知道16个寄存器是否足以使6路合并更快一点，而16个寄存器是否不足以使8路合并（某些工作变量将基于内存/缓存）。尝试使用堆可能无济于事，因为堆将基于内存/缓存（而非基于寄存器）。
k合并对于外部排序最有用，由于移动开销较大，因此忽略了比较时间。