最实用的JavaScript排序算法指南：从冒泡到快速排序的实战教程
项目地址: https://gitcode.com/gh_mirrors/co/computer-science-in-javascript 你还在为选择哪种排序算法而烦恼吗？面对电商订单排序、学生成绩统计、日志时间排序等常见场景，选错算法可能导致页面卡顿甚至系统崩溃。本文将通过生活化案例+可视化对比，带你掌握4种必备排序算法的JavaScript实现，读完即可解决90%的排序需求。
算法选择决策指南
不同排序算法在数据规模和性能上有显著差异，选择时可参考以下决策树：
冒泡排序：最简单的入门算法
冒泡排序(Bubble Sort)通过重复交换相邻元素实现排序，就像水中气泡逐渐上浮。适合小规模数据或教学演示。
核心代码实现
// [冒泡排序源码](https://link.gitcode.com/i/64037d4d8d33b9a22f841f34347d1663)
function bubbleSort(items) {
for (let i = 0; i < items.length; i++) {
for (let j = 0, stop = items.length - i - 1; j < stop; j++) {
if (items[j] > items[j + 1]) {
swap(items, j, j + 1); // 相邻元素交换
}
}
}
return items;
}
适用场景与局限
- ✅ 优势：代码简单，无需额外空间
- ⚠️ 局限：对1000条以上数据性能较差
- 📊 案例：班级50名学生成绩排序
插入排序：近乎有序数据的救星
插入排序(Insertion Sort)像整理扑克牌一样，将元素逐个插入到已排序序列的正确位置。在数据近乎有序时性能远超冒泡排序。
算法动画演示
核心代码实现
// [插入排序源码](https://link.gitcode.com/i/6d9ca44ef18b0027a7056be85ba09692)
function insertionSort(items) {
for (let i = 0; i < items.length; i++) {
const value = items[i];
// 寻找插入位置
let j = i - 1;
while (j > -1 && items[j] > value) {
items[j + 1] = items[j]; // 元素右移
j--;
}
items[j + 1] = value; // 插入元素
}
return items;
}
归并排序：稳定排序的工业级选择
归并排序(Merge Sort)采用"分而治之"策略，将数组不断二分后合并。虽然需要额外空间，但稳定性和可预测的O(n log n)时间复杂度使其成为数据库排序的首选。
分治策略图示
合并过程实现
// [归并排序源码](https://link.gitcode.com/i/467c8a513bed8ab685214b7bf2af559b)
function merge(left, right) {
const result = [];
let il = 0, ir = 0;
// 双指针合并两个有序数组
while (il < left.length && ir < right.length) {
result.push(left[il] < right[ir] ? left[il++] : right[ir++]);
}
// 处理剩余元素
return result.concat(left.slice(il)).concat(right.slice(ir));
}
快速排序：性能王者的实现技巧
快速排序(Quick Sort)通过选择基准元素将数组分区，平均性能可达O(n log n)。作为实际应用中最快的通用排序算法，被广泛用于JavaScript引擎和数据库系统。
三数取中法优化
标准实现使用中间元素作为基准，但在有序数组上会退化为O(n²)。生产环境可采用"三数取中法"（首、中、尾三个位置的中位数）：
// 优化基准选择（项目中可在algorithms/sorting/quicksort/quicksort.js中实现）
function medianOfThree(items, left, right) {
const center = Math.floor((left + right) / 2);
if (items[left] > items[center]) swap(items, left, center);
if (items[left] > items[right]) swap(items, left, right);
if (items[center] > items[right]) swap(items, center, right);
swap(items, center, right - 1); // 将基准藏在右侧
return items[right - 1];
}
核心分区函数
// [快速排序源码](https://link.gitcode.com/i/671f98c8e9cdd6d720b7c6e464b942b7)
function partition(items, left, right) {
const pivot = items[Math.floor((right + left) / 2)];
let i = left, j = right;
while (i <= j) {
while (items[i] < pivot) i++; // 找到左侧大于基准的元素
while (items[j] > pivot) j--; // 找到右侧小于基准的元素
if (i <= j) {
swap(items, i, j); // 交换元素
i++; j--;
}
}
return i; // 返回分区点
}
性能对比与实战建议
| 算法 | 平均时间 | 最坏情况 | 空间复杂度 | 稳定性 | 适用场景 |
|---|---|---|---|---|---|
| 冒泡 | O(n²) | O(n²) | O(1) | 稳定 | 教学演示 |
| 插入 | O(n²) | O(n²) | O(1) | 稳定 | 近乎有序数据 |
| 归并 | O(n log n) | O(n log n) | O(n) | 稳定 | 大数据排序 |
| 快速 | O(n log n) | O(n²) | O(log n) | 不稳定 | 通用排序场景 |
生产环境最佳实践
- 小数据(≤20)：使用插入排序（缓存友好）
- 中大数据：快速排序+插入排序混合实现（如V8引擎）
- 稳定性要求：归并排序（如电商订单按金额+时间双字段排序）
完整代码可在项目的算法目录中获取，包含更多优化细节和测试用例。建议结合测试文件进行性能测试，根据实际数据特征选择最优实现。
扩展学习资源
收藏本文，下次遇到排序需求时即可快速查阅。关注项目更新，后续将推出"外部排序"和"分布式排序"高级主题！
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
