1. 桶排序（bucket sort）
- 概述
当待排序的数据范围变化很小时，假设最小值为min，最大值为max，那么我们可以创建max-min+1个Bucket用于统计每个数出现的次数。排序的时候只需要每次执行读文件的操作，并将读到的数据对应桶的技术加1即可。在输出的时候，按照min到max的顺序依次将桶中的数据（如果数据出现多次，也需要写入多次）写入输出文件即可。
- 适用场景
待排序数据分布在一个小的范围内，如高考几百万个考生考试分数的排序
2. 位图（bit-map）
- 概述
位图是一种通过使用每一位（bit）表示一个数，从而减少内存使用量的方法。BitMap中的某一位为1表示其对应的数存在，为0表示其对应的数不存在。排序的时候，我们先创建BitMap（BitMap可以自己实现），然后依次从文件中读入数值，将BitMap对应位设置为1。在输出时，我们从BitMap的低位到最高位，依次判断当前位是否为1，如果为1，那么就将对应的数值写入输出文件。
- 适用场景
待排序数据不存在重复，如对几千万个电话号码进行排序、找出几亿个整数中不重复的整数的个数（使用两个bits表示一个数，0表示没有出现、1表示出现一次、2表示出现多次）
3. 多路归并（merge sort）
- 概述
多路归并的基本思路和归并排序一样，其实归并排序就是2路归并。我们使用内部排序算法（快速排序等）对划分的K个部分（保证每个部分的数据都能装载到内存中）分别进行排序，并将排序后的结果存储到k个临时文件中，在最后使用简单选择或者败者树的方式进行归并，将数值写入输出文件。
- K增大对性能的影响
假设待排序的数据需要划分为8段，才能使得每一段都能够全部装载到内存中，以2路归并排序和8路归并排序为例，讨论K增大对性能的影响。
- 首先8路归并很好分析，对所有数据只需要2次读操作和2次写操作。第一次读操作为将数据从原始文件中读入内存进行内部排序，第一次写操作为将部分排序的数据写入临时文件。第二次读操作为将部分排序的数据读入内存进行归并，并在每一次选择到当前最小值时将其写入输出文件。
- 而对于2路归并而言，对所有数据需要4次读操作和4次写操作，分析过程和8路归并排序类似，不再赘述。
- 规律：对于K路归并排序而言，所有数据需要执行的读操作和写操作的次数为lgk(n) + 1，其中n为总段数，k为每次归并的段数。也就是说K越大，文件读写操作越少，归并算法性能越好。
- 简单选择和败者树的比较
- 简单选择是从K个数中通过比较的方式选择出最小的一个，然后写入输出文件，每次选择的时间复杂度为O(k)，显然随着K的增大，此过程的时间开销会线性增长。
- 败者树也是从K个数中选择出最小的一个，然后写入输出文件，不同的是每次选择的时间复杂度为O(lgK)。
- 结论：使用败者树能够优化归并过程
- 适用场景
所有需要进行外部排序的场景