堆排序这东西，跟平时我们学的那些死记硬背的算法彻底不一样。它不像快速排序那样把数据切分得明明白白，也不像归并排序那样非得等到两边都排稳了再合并，它的核心逻辑就一句话：为了快，得牺牲一点点顺序。

说白了，就是让数据“乱一点”，但保证那个最大值（要么最小值）总在堆顶，然后把它捧出来，再让剩下的数据重新找个平衡点。

这就好比你看一个歪歪扭扭的树，你一眼就能看到最高的树是哪位，然后你把它摘下来放在最上面，剩下的树枝还得再比个子高低，重新站成个架子。 在讲堆排序如何算准不准之前，咱们先拿个具体的例子看看。假设你要排一个数组，里面混杂着 10 个数字，比如 5, 9, 2, 8, 1, 4, 7, 3, 6, 0。堆排序的第一步，就是把这些数字塞进一个彻底二叉堆里。

这时候你不用管数组原来的顺序，你只关心这 10 个数能不能组成一个“大根堆”。在这个例子中，堆顶就是 9，这玩意儿就是最大的，哪位也不信。接下来就是循环了，从最终一个非叶子节点启动往下跑。

这时候你会发现，有些节点它的子节点比它大，有些又小，它得赶紧把小那个子节点调过来当父节点。

这个过程有点像你在整理房间，你发现床底下藏了个比被子还大的玩偶，你得赶紧把它拿出来放在最显眼的位置。一旦你重新建立了这个堆，那堆顶的 9 依然是老大，剩下的 8, 7, 6 紧随其后，前面的数字也在逐步缩小。

这时候，堆的大小是 n，非叶子节点的数量大约是 n/2。 接下来才是真正启动挖堆的时候。当堆只有一个元素时，排序终止，直接回。

要是堆里还剩两个元素，那就直接排好，出于两个元素本身就是一种有序的对子。但只要堆里还有三个或以上元素，就得执行“提升”操作。你从最终一个非叶子节点启动往上退，这时候你会发现，有些父节点别看比子节点小，但它得赶紧把子节点推上去，重新归位。

这一轮一上来，堆顶是不是又变了？不是，那个被挖出来的 9 还是那个 9，但这次它是在堆的“根”位置，并且是刚刚确认了身份的最大值。

这就像是你从树里把老大摘下来，把他叫到前台来，这时候前台的叶子节点就都变得更矮了，但大家头顶的树冠（堆顶）依然稳稳当当地站着。 这时候，算法重复之前的步骤，从 n/2 的位置启动，一层层往上。每一次往上走，只要发现子节点比自己大，就执行 swap。

这时候你可能会认定有点怪，往上走，本来应当变小啊？不对，这里有个误区。

实际上我们不是在调整堆顶，而是在调整“被挖出来的那个最大值”这个元素本身。想象一下，你是要把一个最大的球拿出来放在地毯中间，你不得不从它上面拿走一个次大的球，把它放在它旁边。

这时候，原本在它下面的次大球，目前务必找一个新的位置，它上面的球务必探出头来。

这个过程会一直持续，直到碰到叶子节点。

这时候整个数组的状态是：最上面那个你刚刚挖出来的 9 是老大，下面这一堆次之，最底下的新叶子节点也是老大。 算法持续往下走，启动把刚刚那个老大（9）处理掉。你目前要拿 9 和它下面两个儿子比。假设它下面有个子节点 8，有个子节点 7，那 9 就得把 8 和 7 俩都推到下面去。

这时候你就相当于把老大放到了一个中间位置，然后剩下的两个子节点负责填补空缺。

要是兄弟俩都是 6，那随意放哪个都行，反正都比 9 小。

关键是，在这个过程中，你起码移动了三次元素。 当堆里只剩下最终一个元素时，你就把 9 和它剩下的那个儿子换一下位置，这一步相当于把 9 和它原来的位置搞个“亲热拥抱”，别看位置变了，但值没变，反正都是最大的。

最终，整个数组就变成有序的了，从大到小，要么从小到大，取决于你是建大堆还是小堆。 那这个时候，要是要用代码来算比较次数，你会如何算？咱们不妨用数学公式来说一说。设数组长度为 n。建堆的时候，你需求遍历非叶子节点。非叶子节点的数量大约是 n/2。每个节点顶多要和它的两个孩子比较一次。

故此建堆的过程，比较次数大约是 n (n/2) / 3 = n^2/6。

这局部代码跑起来有点慢，主要是为了把“歪歪扭扭的树”变成“挺拔的树”。 然后挖堆的过程也一样。

每次从堆顶挖出来一个数，剩下的堆大小减 1。但这时候比较的次数变了。当你处理最上面的一个数时，你比较的是它的两个孩子，也就是 2 次比较。处理下一个数时，出于左右子树都不整个，一般只需求 1 次比较就能拍板哪个子节点需求去。处理中间那些节点时，比较次数大约是 1 次。处理到最底下的叶子节点时，别看没比较子节点，但整个堆被“撑开”了，消耗了 n-1 次的空间移动（这里说的空间移动包含比较害得的位移）。

故此挖堆过程比较的次数大约是 n - 1。 把建堆和挖堆加起来，总的比较次数大约是 n^2/6 + n - 1。当 n 特别大时，n 这一项就远小于 n^2/6 了，故此总复杂度是 O(n^2)。

这就解释了为啥堆排序在数据量挺大时，性能会急剧下降。

要是 n 是 1 万，那建堆就要跑 10^7 次比较，挖堆也就几万次，加起来差不多了。 这个公式实际上挺有意思的。

要是非要追求极致，那肯定得做大量优化。

比方说，建堆的时候，每个节点只和还不如最小的子节点比较，这样能够省下 n/2 次比较。

这时候复杂度变成 n^2/3。再比如，挖堆的时候，大量情况下孩子只有一个，那就只比较 1 次，这样复杂度就变成 n^2/2。但即便如此，理论分析还是得假设每个节点都要比较所有可能的子节点，要不就你能证明在某些特定数据分布下，比如所有元素都相同，要么都是有序的，那样比较次数就能降到 O(n log n)。 总而言之，堆排序这事儿，就是靠一个“牺牲顺序换取空间换工夫”要么“牺牲工夫换取确定性”的办法。它不是魔法，只是一个严谨的数学过程。

每次比较，都是一个小小的博弈，要么保留顺序持续往下跑，要么拉倒顺序把最大 (或最小) 值提上来。

这就好比你在整理一堆乱码，你务必不断地把最显眼的挑出来，然后下面的再挑，一层层剥离，直到最终剩下的才是真正的有序。

这个过程别看慢，但一旦数据量挺大，它的优势就体现出来了：稳定性极佳，并且不需求额外的辅助空间。