快排代码的第一句便是选取基准点，此后数据的移动根据这个基准点的大小进行调整，如果基准点选取的不好，将会导致快排的效率低下，经过测试，普通的快排算法针对（1）近乎有序的数列；（2）含有大量重复数据的数列；这两种情况时效率将会变得非常低，针对这些情况，经过适当的优化可以使快排达到很高的效率。
快排将选取的基准点经过调整放到合适的位置，之后将这个基准点左右两边的区间分别递归的进行快排，如果基准点的数据比较小，将会导致调整后基准点处于靠近两侧的位置，那么两边的区间长度将会严重失去平衡
对于一个近乎有序的数列，当直接使用第一个元素作为基准点的时候，将会导致下图的情况
如果数列非常接近有序
可以看到此时快排的递归过程生成的递归树的平衡性非常差，不能保证高度是logn，进而导致了效率变低，针对这种情况，只需改变选取基准点的方式就可以提高算法的效率。
三数取中法：指的是选取基准点之前我们可以拿出数列中间位置元素的值，将它和首尾的元素进行比较，之后将这三个数中的中间大的数交换到数列首位的位置，之后将这个数作为基准点，尽量减小之后的分区后左右两边的区间长度之差。
随机交换法：指的是选取基准点之前设计随机种子，通过随机函数得到一个在数列长度内的数，将这个随机数作为索引所指的数和第一个元素进行交换，之后将首位元素作为基准点。即随机选一个数放到首位的地方。这样一来，第一次就将最小的数交换到首位的概率是非常小的，第二次将次小的数交换到首位的概率依然非常的小。
比如随机生成一个含有15万个数据的数组，范围是从0~10，那么数组中将含有非常多的重复数据，对这个数组使用上述的快排排序时，时间几乎又是回到了O(n^2)的级别，原因如下
具体操作：从右向左扫描时，如果元素值大于基准点，则继续，否则停止，如图j所指的位置，从左向右扫面时，当元素值小于基准点，则继续，否则停止，如图i所指的位置
经过上述扫描后，i和j停在了相应的位置，此时要做的是，交换i和j分别所指的元素即可，这样一来，左边的全部都是小于等于基准点的，右边的全部都是大于等于基准点的，这样做的好处是，对于等于基准点的元素，将他们分别放到了左右的两个区间，而不是像之前那样完全放在同一边，导致区间长度不平衡。因此，通过将等于基准点的元素分配到不同区间，保证了左右区间长度尽可能平衡，提升了算法的效率
代码
经过测试，对于含有大量重复数据的数组，算法的效率基本回到了O(nlogn)的级别。
3路法同样是针对含有大量重复数列的优化，不同于之前的快排方法，3路法的思想是将数列分成3个区间，分别是小于、等于和大于基准点的区间，那么分区之后，对于等于基准点的区间内的元素，我们就不需要对其做任何处理了，只需要递归的处理小于和大于基准点的元素即可。
如图，需要多设置几个索引，橙色部分全部是小于v的数据，紫色为大于v的数据，i所指的为待处理的数据。
（1）当待处理的数据小于v时，只需将i所指的元素和等于v的区间的第一个元素交换即可，即将e换到lt之后的位置，lt++，i++
（2）i所指元素大于v时，将其换到大于基准点的区间的第一个位置即可，即交换i和gt-1的元素，gt--,i不变
（3）i所指元素等于v时，直接i++
代码