并行排序需权衡数据规模、硬件与策略，小数组启用反拖慢，onetbb默认500元素以下转为std::sort。
并行排序不是“开个线程就快”，关键在**数据规模、硬件适配与策略匹配**。小数组用并行反而拖慢，大数组不调参也难发挥多核优势。核心是让算法自动判断何时该并行、分多少块、用什么底层逻辑。
看数据规模再决定是否启用并行
并行有固定开销：任务拆分、线程调度、结果合并。低于阈值时，这部分开销会盖过计算收益。
- oneTBB parallel_sort 默认串行阈值为 500 元素——少于这个数直接调用
std::sort - Java Arrays.parallelSort() 对长度 Arrays.sort()
- C++17
std::sort(std::execution::par, ...)虽无硬编码阈值，但实测在
选对执行策略，不止是“开并行”
C++ 标准库提供三种执行策略，语义和适用场景差异明显，不能混用。
-
std::execution::seq：纯顺序执行，适合调试、小数据或需严格顺序副作用的场景 -
std::execution::par：多线程并行，无向量化，适用于通用 CPU 密集型排序（如含自定义比较器） -
std::execution::par_unseq：允许并行 + SIMD 向量化，要求操作无数据依赖、无副作用；整数/浮点数组排序时加速比最高，但禁止用于含指针解引用或状态修改的比较逻辑
关注内存布局与访问模式
再快的并行算法，遇上差的内存访问，性能也会被带崩。排序本质是大量随机读写，缓存友好性直接影响速度。
- 确保待排序容器为连续内存（
std::vector✅，std::list❌） - 避免在比较函数中访问远端内存（如查哈希表、解引用链表节点）
- 对超大数组（>100MB），考虑使用
aligned_alloc分配对齐内存，提升向量化效率 - 若数据来自磁盘或网络流，先批量加载到连续缓冲区，再启动并行排序，不要边读边排
结合预处理减少无效并行
真实业务数据常有局部有序、重复值多、已基本排好等特征，并行算法若盲目分治，浪费资源。
- oneTBB
parallel_sort内置有序性检测：扫描相邻元素对，若全满足 ≤ 关系，跳过分割直接返回 - 可前置轻量检查：例如统计逆序对数量，若
- 对含大量重复值的数据，优先考虑计数排序或基数排序变体——它们天然适合并行桶分配，且复杂度稳定为 O(n)
