作為排序依據的數據項稱為“排序碼”，也即數據元素的關鍵碼。為了便於查找，通常希望計算機中的數據表是按關鍵碼有序的。如有序表的折半查找，查找效率較高。還有，二叉排序樹、B-樹和B+樹的構造過程就是一個排序過程。若關鍵碼是主關鍵碼，則對於任意待排序序列，經排序後得到的結果是唯一的；若關鍵碼是次關鍵碼，排序結果可能不唯一，這是因為具有相同關鍵碼的數據元素，這些元素在排序結果中，它們之間的的位置關系與排序前不能保持。
若對任意的數據元素序列，使用某個排序方法，對它按關鍵碼進行排序：若相同關鍵碼元素間的位置關系，排序前與排序後保持一致，稱此排序方法是穩定的；而不能保持一致的排序方法則稱為不穩定的。
排序分為兩類：內排序和外排序。
內排序：指待排序列完全存放在內存中所進行的排序過程，適合不太大的元素序列。
外排序：指排序過程中還需訪問外存儲器，足夠大的元素序列，因不能完全放入內存，只能使用外排序。
現在貼3種排序算法的JavaScript實現。
首先是最簡單的，是個人都會的冒泡排序。就不多說了，直接貼代碼
復制代碼 代碼如下:
/** @name 冒泡排序
* @lastmodify 2010/07/13
* @desc 比較排序
復雜度為O(n*n)
*/
function BubbleSort(list){
var len = list.length;
var cl,temp;
while(len--){
cl = list.length;
while(cl--){
if(list[cl]>list[len] && cl < len){
temp = list[len];
list[len] = list[cl];
list[cl] = temp;
}
}
}
return list;
}
然後是最常見的快速排序，面試基本上都會問到。
復制代碼 代碼如下:
/** @name 快速排序
* @lastmodify 2010/07/14
* @desc 比較排序
最差運行時間O(n*n);
最好運行時間O(nlogn)
*/
function QuickSort(list){
var i = 0;
var j = list.length;
var len = j;
var left;
var right;
var k = findK(i , j);
if(k != 0){
var leftArr = [];
var rightArr = [];
var midArr = [list[k]];
while(len--) {
if(len != k){
if(list[len] > list[k]){
rightArr.push(list[len]);
}
else{
leftArr.push(list[len]);
}
}
}
left = QuickSort(leftArr);
right = QuickSort(rightArr);
list = left.concat(midArr).concat(right);
}
return list;
}
function findK(i,j){
//默認找它的中間位置
return Math.floor((i + j) / 2);
}
快速排序的主要思想就是分治法，將被排序的序列分割為2塊，從而將排序的復雜度降低。遞歸的巧用也是快速排序的精妙之處。在上個例子中，首先使用findK函數找出“參照元素”，其他元素依次和該元素進行比較，所有比其大的放入一個集合中，比其小的放入另外一個集合中，再分別對兩個集合進行排序。快速排序的效率主要取決於findK函數的實現和待排序元素的有序程度。因此，快速排序是一個不穩定的排序算法。
但是快速排序仍然是一個基於比較的排序算法。所有基於比較的排序算法有一個特點，就是無論怎樣優化，它對於一個元素集合的平均排序時間總是隨著該集合元素數量的增加而增加。而非比較的排序很好的克服了這個缺點，它們試圖讓排序時間復雜度趨於一個數量無關的穩定值。其中比較有代表性的就是桶排序了。先看看它的JavaScript實現。
復制代碼 代碼如下:
/** @name 桶排序
* @author lebron
* @lastmodify 2010/07/15
* @desc 非比較排序
*/
function BucketSort(list) {
var len = list.length;
var range = findMax(list);
var result = [],
count = [];
var i,j;
for (i = 0; i < range; i++) {
count.push(0);
}
for ( j = 0; j < len; j++) {
count[list[j]]++;
result.push(0);
}
for (i = 1; i < range; i++) {
count[i] = count[i-1] + count[i];
}
for (j = len - 1; j >= 0; j--) {
result[count[list[j]]] = list[j];
count[list[j]]--;
}
return result;
}
function findMax(list) {
return MAX;
}
可以看到，在桶排序的實現中，仍然使用了一個findMax函數來確定一個大數組的范圍，這裡直接用一個常量MAX來代替。首先初始化一個大數組count，長度為MAX。在將被排序集合裡面的值放入到對應的位置上去，比如有一個元素值為24，那麼count的第24位被標記為1，同時result數組長度+1。再計算出count數組中標志為1的元素位置在整個count數組中標志為1的排位。此時count數組中，第n個元素的值，就應當是排序後它的位置，而n這是這個排序後這個位置對應的值。所以，最後再一一的將count數組裡面的鍵值倒過來映射入結果數組中即可。
桶排序巧妙的利用了這樣一種思想，如果一個元素它在一個集合中是第n大的，那麼它應該排第n位，而無需關心它前一位或者後一位是比它大還是比它小（無需比較）。很顯然的是，在實際情況中，被排序集合的元素的值的范圍很可能遠遠大於這個集合的元素數量，因此，也需要分配相應的一個巨大空間的數組才行。因此，桶排序的常見場景是在外排序上面。
有興趣的同學，可以測試下3種排序在不同數量級下的耗時。