排序分類：
-
內部排序：把數據加載到內存中進行排序，適用於數據量小的情況。
-
外部排序：借助外部的文件等，數據量大，無法加載到內存。
-
常見分類如圖：
算法復雜度
算法復雜度分為時間復雜度和空間復雜度。其作用： 時間復雜度時間復雜度是指執行算法所需要的計算工作量；而空間復雜度是指執行這個算法所需要的內存空間。算法的復雜性體運行該算法時的計算機所需資源的多少上，計算機資源最重要的是時間和空間，即寄存器資源，因此復雜度分為時間和空間復雜度。
空間復雜度：
描述一個算法所需要的空間大小，即占用的內部內存，或者外部的內存大小，目前的設備性能各方面發展較快，空間復雜度已經不是影響程序性能的主要因素。
時間復雜度：
-
概述：
時間復雜度是一個函數，它定性描述該算法的運行時間。這是一個代表算法輸入值的字符串的長度的函數。時間復雜度常用大O符號表述，不包括這個函數的低階項和首項系數。使用這種方式時，時間復雜度可被稱為是漸近的，亦即考察輸入值大小趨近無窮時的情況。
-
時間頻度
一個語句執行次數稱為語句頻度或時間頻度，記為T(n)。算法花費的時間與算法中語句的執行次數成正比例，哪個算法中語句執行次數多，它花費時間就多。
-
時間復雜度：
一般情況下，算法中基本操作重復執行的次數是問題規模n的某個函數，用T(n)表示，若有某個輔助函數f(n),使得當n趨近於無窮大時，T（n)/f (n)的極限值為不等於零的常數，則稱f(n)是T(n)的同數量級函數。記作T(n)=O(f(n)),稱O(f(n)) 為算法的漸進時間復雜度，簡稱時間復雜度
舉個栗子：int sum = 0; int b = 100; for(int i = 0; i<= b;i++){ sum += i; } // T(n) = n+1 = 100+1 sum = (1+b)*b/2 //同樣也可以計算出結果，但是T(n) = 1簡而言之，在
T(n)=O(f(n))中，當n趨近無窮大時，有T(n)/f(n) = c,極限值c是一個不為0 的常數，就叫 f(n) 是T(n)的同量級函數，若求得 f(n) = n ,則O(f(n)) =O(n). -
各時間復雜度增長曲線：
-
各算法時間復雜度：
