记录每一轮最后一次发生交换的位置，该位置之后的元素已经有序，下一轮只需遍历到此位置即可。return arr。

Shuffle 是 Hadoop MapReduce 框架中连接 Map 和 Reduce 阶段的关键过程。它负责将 Map 任务输出的中间结果进行分区、排序、合并，并传输给对应的 Reduce 任务。理解 Shuffle 流程对于优化 MapReduce 作业性能至关重要。输入：HDFS 数据块（InputSplit）处理输出：分区且排序的中间文件（每个 Map 一个）Hadoop Shuffl

插入排序在大数据平台中并非主角，但它是一个不可或缺的"最佳配角"。对于小规模数据或近乎有序的数据，它简单且高效。作为复杂算法（如 TimSort、归并排序）的优化子过程。在流处理实时计算中，维护固定大小的有序集合（如 Top-N）。理解并善用插入排序，能让大数据工程师在构建系统时多一种精细化的优化手段，在合适的场景下用最简单的算法获得可观的性能提升。在设计大数据处理流水线时，考虑在 Shuffle

对于大数据排序，工业界普遍采用时间复杂度为O(n log n)的算法（如快速排序、归并排序、Timsort），或利用分布式计算框架（如 Apache Spark、Hadoop MapReduce）进行并行排序。核心结论：选择排序的核心价值在于其思想简单，是理解排序算法的基础。但在大数据实践中，应优先选择更高效的排序算法或利用分布式计算能力。

让数仓 SQL 像 REST API 一样被治理——有审批、有鉴权、有限流、有熔断、有审计。如果你正在做 Doris / ClickHouse 对内服务化，又不想从零搭一套数据开放平台，这个项目可以作为开箱即用的起点。代码开源、文档齐全、CI 通过，欢迎 Star 和 Issue。相关链接如需转载，请注明出处与项目链接。

Shuffle 是 Hadoop MapReduce 框架中连接 Map 和 Reduce 阶段的关键过程。它负责将 Map 任务输出的中间结果进行分区、排序、合并，并传输给对应的 Reduce 任务。理解 Shuffle 流程对于优化 MapReduce 作业性能至关重要。输入：HDFS 数据块（InputSplit）处理输出：分区且排序的中间文件（每个 Map 一个）Hadoop Shuffl

本文介绍了开源轻量级指标管理系统 sqldm（SQL-Driven Metrics），旨在解决数仓成熟后业务指标分散、口径混乱等问题。该系统通过集中管理指标元数据和SQL模板，提供审批流程控制和统一API服务，降低维护成本。采用Java 21 + Spring Boot 3.2技术栈，支持PostgreSQL数据库和容器化部署，包含角色权限体系、指标元数据模型和审批流程等核心功能。项目已开源，提供