1.影响内部排序时间效率的是移动和比较的次数，影响外部排序时间效率的是i/o次数
2.归并的躺数越少，读写磁盘的次数就越少，归并的躺数=
第一：k为归并路数，增大k，可以降低躺数，减少io次数
第二：r为初始归并段的个数，减少r，可以降低躺数，减少io次数
可是归并路数一旦增大，内部比较的压力就会变大，内部比较效率降低。那么，增大归并路数而提高的时间效率就被内部排序给抵消了。那怎么办呢？有没有可能使得内部排序效率不受归并路数增加的影响呢？这个办法就是“败者树”，用败者树的方法挑选出最小值。
m路归并，不使用败者树，要比较m-1次，使用败者树，只需要比较log2m次，总比较次数为（n-1）log2r,与m无关（总次数有一个计算公式，刚好约掉了log2m，这里请读者阅读书籍）
所以，内部归并的比较次数与归并路数无关，只要内存空间允许，增大归并路数将有效提高排序速度，（单归并路数并不是越大越好）。
将内存缓冲区的个数增加，一次便可以排序更多的数据，使得初始归并段更长，从而初始规定段的个数更小
按照这个的思路，人们总是把归并段划分成长度相同的若干段。这样归并段的数目太多了，很影响效率，有没有可能让归并段的数目变小呢？这个方法就是“选择-置换排序”。
选择-置换的详细过程不介绍，一定要记住，选择-置换排序是用来生成初始归并段的，而且初始归并段的长度并不相同。使用选择-置换的方法又会带来另一个问题，分成了长度各不相同的归并段，那如何安排这些归并段归并的次序呢？这就引入了最佳归并树的概念，其实就是将哈夫曼树的思想推广到m叉树的情形，最佳归并树有最短的带权路径长度，代表着归并过程中读数的次数，那么总的i/o次数就是两倍wpl。
需要注意的是，在构造最佳归并树的时候，为了构成严格的m叉树，有的时候需要添加权值为0的虚结点。
