即使是同樣的算法，不同的人寫的代碼，不同的應用場景下執行時間也可能差別很大。下面是一個測試數據：
測試的平均排序時間：數據是隨機整數，時間單位是s 數據規模 快速排序 歸並排序 希爾排序 堆排序 1000萬 0.75 1.22 1.77 3.57 5000萬 3.78 6.29 9.48 26.54 1億 7.65 13.06 18.79 61.31
大數據量下，快速排序優於歸並排序優於堆排序。
原因如下：
快速排序 vs 歸並排序
當數據量越來越大時，
歸並排序：比較次數少，速度慢。
快速排序：比較次數多，速度快。
快速排序的優勢越來越明顯。
原因分析：個人認為是當數據量越來越大時，盡管歸並排序的比較次數較少，但是歸並排序后期的合並操作所花費的時間便越來越大，合並操作對整體的效率影響越來越明顯，包括后面大量數據的賦值操作等。所以當數據量變大時，不需要專門合並的快速排序的優勢就變得越發明顯。
快速排序 vs 堆排序
堆排序每次取一個最大值和堆底部的數據交換，重新篩選堆，把堆頂的X調整到位，有很大可能是依舊調整到堆的底部（堆的底部X顯然是比較小的數，才會在底部），然后再次和堆頂最大值交換，再調整下來，可以說堆排序做了許多無用功。
總結起來就是，快排的最壞時間雖然復雜度高，但是在統計意義上，這種數據出現的概率極小，而堆排序過程里的交換跟快排過程里的交換雖然都是常量時間，但是常量時間差很多。