在分析redis叢集中大Key的時候，通常都採用分析rdb檔案的方式；但是這種方式需要在每一臺redis伺服器上部署分析程式及分析指令碼，而像salt之類的工具運維沒有開放給我們使用，一臺一臺部署不好管理。正好我們的總redis規模不大，大概在200個叢集左右，考慮到cluster叢集，需要分析的redis例項數在300左右，所以就想著能不能通過scan的方式來進行。

通過scan命令掃描從庫，將叢集中key深度大於指定值的key掃描出來，將這些 key 放在一個slice中，取 top N，這就需要對 slice中的 key按照深度進行排序。300個例項說多不多，說少不少，排序演算法的效能還是很重要的。快速排序針對小資料量排序效能很好，正好mysql在使用sort buffer進行排序時採用的是快速排序，這裡就用go實現來複習一下快速排序演算法。

func sortBigKeySlice(bigKeySlice []*bigKeyInstance) {
   if len(bigKeySlice) < 2 {
      return
   }
   sortBigKey(bigKeySlice, 0, len(bigKeySlice))
}

//使用遞迴實現
func sortBigKey(bigKeySlice []*bigKeyInstance, low, high int) {
   if low >= high {
      return
   }
   p := partition(bigKeySlice, low, high)
   sortBigKey(bigKeySlice, low, p)
   sortBigKey(bigKeySlice, p + 1, high)
}

//普通快速排序,對於普通快速排序，將第一個元素作為基準，小於該元素的放在左邊，大於等於該元素的放在右邊
func partition(bigKeySlice []*bigKeyInstance, low, high int) int{
   //直接將第一個元素作為分隔值
   pivotIns := bigKeySlice[low]
   //當前第一個元素點位作為標記點
   pivotPos := low

   //去除第一個分割值，遍歷元素，如果元素比分割值小，將標記點右移一位，交換元素的值，大於等於則繼續比較下一個元素
   for i := 1; i < high; i++ {
      if bigKeySlice[i].size < pivotIns.size {
         pivotPos += 1
         bigKeySlice[pivotPos], bigKeySlice[i] = bigKeySlice[i], bigKeySlice[pivotPos]
      } else {
         continue
      }
   }
   //不要忘記最後的互換，將分隔值與標記點元素互換
   bigKeySlice[low], bigKeySlice[pivotPos] = bigKeySlice[pivotPos], bigKeySlice[low]
   return pivotPos
}

普通快速排序預設左邊的第一個元素作為基準數，對於漸進有序的陣列來說，這就導致小於基準的數會相當少，而大於等於基準的數相當多，造成分割槽不平衡的問題，普通排序就會退化，嚴重的將退化成O(n^2)。所以對其改進：不再預設選擇第一個數，而是隨機選一個數作為基準，這樣的快排稱為隨機普通快排。

//隨機普通快速排序，不使用第一個元素作為基準，而是使用一個隨機元素作為基準
func partition(bigKeySlice []*bigKeyInstance, low, high int) int {
	//取slice中的一個隨機元素作為分割點，而不是第一個元素開始分割
	rand_low := low + rand.Intn(high - low)
	bigKeySlice[low], bigKeySlice[rand_low] = bigKeySlice[rand_low], bigKeySlice[low]
	pivotPos := low
	for i := low + 1; i < high; i++ {
		if bigKeySlice[i].size < bigKeySlice[low].size {
			pivotPos += 1
			bigKeySlice[pivotPos], bigKeySlice[i] = bigKeySlice[i], bigKeySlice[pivotPos]
		} else {
			continue
		}
	}
	bigKeySlice[low], bigKeySlice[pivotPos] = bigKeySlice[pivotPos], bigKeySlice[low]
	return 0
}

對於含有大量重複元素的陣列，則對於與基準數相同的數，要麼分到了左邊，要麼分到了右邊，同樣會造成分治不平衡的問題，造成效能退化。這時，採用雙路排序或三路排序進行改進。

雙路排序 & 三路排序待續....