本文共 6471 字，大约阅读时间需要 21 分钟。

以上是常见的几种排序算法，首先思考一下， Array.prototype.sort() 使用了上面的那种算法喃？

Array.prototype.sort()

sort() 方法用对数组的元素进行排序，并返回数组。默认排序顺序是在将元素转换为字符串，然后比较它们的UTF-16代码单元值序列时构建的

— MDN

const array = [1, 30, 4, 21, 100000];array.sort();console.log(array);// [1, 100000, 21, 30, 4]const numbers = [4, 2, 5, 1, 3];numbers.sort((a, b) => a - b);console.log(numbers)// [1, 2, 3, 4, 5]

V8 种的 Array.prototype.sort()

关于 Array.prototype.sort() ，ES 规范并没有指定具体的算法，在 V8 引擎中， 7.0 版本之前 ，数组长度小于10时， Array.prototype.sort() 使用的是插入排序，否则用快速排序。

在 V8 引擎 7.0 版本之后 就舍弃了快速排序，因为它不是稳定的排序算法，在最坏情况下，时间复杂度会降级到 O(n²)。

于是采用了一种混合排序的算法：TimSort 。

这种功能算法最初用于Python语言中，严格地说它不属于以上10种排序算法中的任何一种，属于一种混合排序算法：

在数据量小的子数组中使用插入排序，然后再使用归并排序将有序的子数组进行合并排序，时间复杂度为 O(nlogn) 。

什么是 TimSort ？

在 解答 v8 sort 源码前，我们先看看 TimSort 具体是如何实现的，帮助我们阅读源码

Timsort 是 Tim Peter 在 2001 年为 Python 语言特意创造的，主要是 基于现实数据集中存在者大量的有序元素（不需要重新排序） 。 Timsort 会遍历所有数据，找出数据中所有有序的分区（run），然后按照一定的规则将这些分区（run）归并为一个。

具体过程为：

• 扫描数组，并寻找所谓的 _runs_ ，一个 run 可以认为是已经排序的小数组，也包括以逆向排序的，因为这些数组可以简单地翻转（reverse）就成为一个run
• 确定最小 run 长度，小于的 run 会通过 插入排序 归并成长度高于最小长度的 run
• 反复归并一些相邻 run ，过程中避免归并长度相差很大的片段，直至整个排序完成

如何避免归并长度相差很大 run 呢？在 Timsort 排序过程中，会存在一个栈用于记录每个 run 的起始索引位置与长度， 依次将 run 压入栈中，若栈顶 A 、B、C 的长度

• |C| > |B| + |A|
• |B| > |A|

在上图的例子中，因为 | A |> | B | ，所以B被合并到了它前后两个runs（A、C）中较小的一个 | A | ，然后 | A | 再与 | C | 。 依据这个法则，能够尽量使得大小相同的 run 合并，以提高性能。注意Timsort是稳定排序故只有相邻的 run 才能归并。

所以，对于已经排序好的数组，会以 O(n) 的时间内完成排序，因为这样的数组将只产生单个 run ，不需要合并操作。最坏的情况是 O(n log n) 。这样的算法性能参数，以及 Timsort 天生的稳定性是我们最终选择 Timsort 而非 Quicksort 的几个原因。

手写一个 Array.prototype.sort() 实现

了解的 Timsort 的基本思想与排序过程后，我们手写一个简易版的 Timsort ：

// 顺序合并两个小数组left、right 到 resultfunction merge(left, right) {  let result = [],      ileft = 0,      iright = 0  while(ileft < left.length && iright < right.length) {    if(left[ileft] < right[iright]){      result.push(left[ileft ++])    } else {      result.push(right[iright ++])    }  }  while(ileft < left.length) {    result.push(left[ileft ++])  }  while(iright < right.length) {    result.push(right[iright ++])  }  return result}// 插入排序function insertionSort(arr) {    let n = arr.length;    let preIndex, current;    for (let i = 1; i < n; i++) {        preIndex = i - 1;        current = arr[i];        while (preIndex >= 0 && arr[preIndex] > current) {            arr[preIndex + 1] = arr[preIndex];            preIndex--;        }        arr[preIndex + 1] = current;    }    return arr;}// timsortfunction timsort(arr) {    // 空数组或数组长度小于 2，直接返回    if(!arr || arr.length < 2) return arr    let runs = [],         sortedRuns = [],        newRun = [arr[0]],        length = arr.length    // 划分 run 区，并存储到 runs 中，这里简单的按照升序划分，没有考虑降序的run    for(let i = 1; i < length; i++) {        if(arr[i] < arr[i - 1]) {            runs.push(newRun)            newRun = [arr[i]]        } else {            newRun.push(arr[i])        }        if(length - 1 === i) {            runs.push(newRun)            break        }    }    // 由于仅仅是升序的run，没有涉及到run的扩充和降序的run，因此，其实这里没有必要使用 insertionSort 来进行 run 自身的排序    for(let run of runs) {        insertionSort(run)    }    // 合并 runs    sortedRuns = []    for(let run of runs) {        sortedRuns = merge(sortedRuns, run)    }    return sortedRuns}// 测试var numbers = [4, 2, 5, 1, 3]timsort(numbers)// [1, 2, 3, 4, 5]

简易版的，完整的实现可以查看 实现，下面我们就来看一下

v8 中的 Array.prototype.sort() 源码解读

即 TimSort 在 v8 中的实现，具体实现步骤如下：

1. 判断数组长度，小于2直接返回，不排序
2. 开始循环
3. 找出一个有序子数组，我们称之为 “run” ，长度 currentRunLength
4. 计算最小合并序列长度 minRunLength （这个值会根据数组长度动态变化，在32~64之间）
5. 比较 currentRunLength 和 minRunLength ，如果 currentRunLength >= minRunLength ，否则采用插入排序补足数组长度至 minRunLength ，将 run 压入栈 pendingRuns 中
6. 每次有新的 run 被压入 pendingRuns 时保证栈内任意 3 个连续的 run（run0, run1, run2）从下至上满足run0 > run1 + run2 && run1 > run2 ，不满足的话进行调整直至满足
7. 如果剩余子数组为 0 ，结束循环
8. 合并栈中所有 run，排序结束

核心源码解读

下面重点解读 3 个核心函数：

• ComputeMinRunLength ：用来计算 minRunLength
• CountAndMakeRun ：计算第一个 run 的长度
• MergeCollapse ：调整 pendingRuns ，使栈长度大于 3 时，所有 run 都满足 run[n]>run[n+1]+run[n+2] 且 run[n+1]>run2[n+2]

// 计算最小合并序列长度 minRunLengthmacro ComputeMinRunLength(nArg: Smi): Smi {  let n: Smi = nArg;  let r: Smi = 0;  // Becomes 1 if any 1 bits are shifted off.  assert(n >= 0);  // 如果小于 64 ，则返回n（该值太小，无法打扰那些奇特的东西）  // 否则不断除以2，得到结果在 32~64 之间  while (n >= 64) {    r = r | (n & 1);    n = n >> 1;  }  const minRunLength: Smi = n + r;  assert(nArg < 64 || (32 <= minRunLength && minRunLength <= 64));  return minRunLength;}

// 计算第一个 run 的长度macro CountAndMakeRun(implicit context: Context, sortState: SortState)(    lowArg: Smi, high: Smi): Smi {  assert(lowArg < high);  // 这里保存的才是我们传入的数组数据  const workArray = sortState.workArray;  const low: Smi = lowArg + 1;  if (low == high) return 1;  let runLength: Smi = 2;  const elementLow = UnsafeCast
   
    (workArray.objects[low]);  const elementLowPred = UnsafeCast
    
     (workArray.objects[low - 1]);  // 调用比对函数来比对数据  let order = sortState.Compare(elementLow, elementLowPred);  // TODO(szuend): Replace with "order < 0" once Torque supports it.  //               Currently the operator<(Number, Number) has return type  //               'never' and uses two labels to branch.  const isDescending: bool = order < 0 ? true : false;  let previousElement: JSAny = elementLow;  // 遍历子数组并计算 run 的长度  for (let idx: Smi = low + 1; idx < high; ++idx) {    const currentElement = UnsafeCast
     
      (workArray.objects[idx]);    order = sortState.Compare(currentElement, previousElement);    if (isDescending) {      if (order >= 0) break;    } else {      if (order < 0) break;    }    previousElement = currentElement;    ++runLength;  }  if (isDescending) {    ReverseRange(workArray, lowArg, lowArg + runLength);  }  return runLength;}
     
    
   

// 调整 pendingRuns ，使栈长度大于3时，所有 run 都满足 run[n]>run[n+1]+run[n+2] 且 run[n+1]>run2[n+2]transitioning macro MergeCollapse(context: Context, sortState: SortState) {  const pendingRuns: FixedArray = sortState.pendingRuns;  // Reload the stack size because MergeAt might change it.  while (GetPendingRunsSize(sortState) > 1) {    let n: Smi = GetPendingRunsSize(sortState) - 2;    if (!RunInvariantEstablished(pendingRuns, n + 1) ||        !RunInvariantEstablished(pendingRuns, n)) {      if (GetPendingRunLength(pendingRuns, n - 1) <          GetPendingRunLength(pendingRuns, n + 1)) {        --n;      }      MergeAt(n); // 将第 n 个 run 和第 n+1 个 run 进行合并    } else if (        GetPendingRunLength(pendingRuns, n) <=        GetPendingRunLength(pendingRuns, n + 1)) {      MergeAt(n); // 将第 n 个 run 和第 n+1 个 run 进行合并    } else {      break;    }  }}

最后

本文首发自「三分钟学前端」，回复「交流」自动加入前端三分钟进阶群，每日一道编程算法面试题（含解答），助力你成为更优秀的前端开发！

转载地址：http://rcbsi.baihongyu.com/