ChingPing提出了一种O(n log n)的排序方法，对每个子集进行排序，然后通过交换元素进行线性合并。Quicksort（以及大多数n log n排序算法）的问题在于它们需要n的内存。我建议改用SmoothSort，它使用常量内存，仍然以O(n log n)的速度运行。
最坏情况是这样的：
setA = [maxInt .. 1]
setB = [0..minInt]
两个集合都是按照相反的顺序排序，但是合并的顺序是相反的。
ChingPing的解决方案（在我看来更加清晰明了）是：
Have a pointers 'pointerA', 'pointerB' initialized at the beginning of each array
While setA's pointer is not at the end
if (setA[pointerA] < setB[pointerB])
then { pointerA++; }
else { swap(setA[pointerA], setB[pointerB]); pointerB++; }
现在这两个集合都应该已经排序。
2台机器情况下已经有答案。
我假设要排序的128GB数据存储在单个硬盘（或任何外部设备）的单个文件中。无论使用多少台机器或硬盘，读取原始的128GB文件和写入排序后的128GB文件所需的时间都是相同的。唯一的节约发生在基于内存的排序过程中，以创建排序后的数据块。将n+1个硬盘合并为单个排序后的128GB文件所需的时间仍然相同，受限于将128GB排序文件写入剩余硬盘所需的时间。
对于n台机器，数据将被分成128GB/n个块。每台机器可以交替读取子块，例如每次64MB，以减少随机访问开销，以便“最后”一台机器在其他所有机器读取其块之前开始工作。
对于n台机器（每台64GB内存）和n+1个硬盘，其中n≥4，每台机器可以使用O(n)时间复杂度的基数排序同时在n个工作硬盘上创建32GB或更小的块，然后进行n路合并到目标硬盘上。可以使用快速排序将每个64 GB单独排序，然后使用外部存储器在两个64GB数组的头部保留指针。假设我们希望按顺序在RAM1和RAM2中拥有整个数据，请继续递增RAM1上的指针（如果它小于RAM2上的指针值），否则交换该值与RAM2，直到指针达到RAM1的末尾。
采用相同的概念对所有N个RAM进行排序。取出它们的一对并使用上述方法进行排序。您将剩下N/2个已排序的RAM。以相同的概念递归地使用上述方法。