排序
从比较排序到 SIMD 加速基数排序。性能是测量出来的，不是假设出来的。
算法
本模块将算法视为可执行的结论。下面每个条目都链接到本仓库中的可运行代码、基准证据或可复现实验。
算法地图
哈希
在缓存压力和并发访问下仍保持高效的哈希函数与哈希表布局。
复杂度速查表
| 算法 | 时间 | 空间 | 缓存友好 | 可并行 | 关键权衡 |
|---|---|---|---|---|---|
| 快速排序（内省式） | O(n log n) 平均 | O(log n) | 部分 | 困难 | 枢轴的分支预测失误 |
| 归并排序 | O(n log n) | O(n) | 是 | 容易 | 合并需额外内存 |
| 基数排序（LSD） | O(nk) | O(n + r) | 是 | 中等 | 键宽和数位大小 |
| Robin Hood 哈希 | O(1) 期望 | O(n) | 是 | 困难 | 插入时的 Robin Hood 位移 |
| Swiss Tables（F14） | O(1) 期望 | O(n) | 是 | 困难 | SIMD 探测、扁平布局 |
什么让算法在本项目中成为"高性能"
- 测量优先。 关于复杂度或吞吐量的结论必须由可通过本仓库 CMake preset 编译的基准测试支撑。
- 缓存感知，而非仅大-O 感知。 常数因子和内存访问模式往往在实际硬件上主导渐进界。
- ISA 敏感。 当向量化改变算法思路（如 SIMD 上的双调排序、F14 的 SIMD 探测）时，实现会在 Compiler Explorer 中检查并用
perf stat验证。 - 可维护性边界。 本仓库在成为生产库之前止步。每个算法都是教学规模的实现，附带明确的权衡说明，而非 exhaustive 优化目录。