排序和搜索算法需理解数据移动逻辑、边界条件与时空权衡，而非死记代码；应从手写swap、compare等基础操作练起，统一用解构交换、抽离比较函数、显式类型转换，并厘清binarySearch各变体的语义与边界处理。
排序和搜索算法不是靠“背代码”学会的，而是靠理解数据移动的逻辑、边界条件的取舍、以及不同场景下时间/空间代价的权衡。直接抄一个 quickSort 函数跑通测试用例，不等于你会写。
从手写 swap 和 compare 开始，别跳过基础操作
很多人一上来就啃 mergeSort 递归结构，结果连数组元素怎么安全交换都出错。javaScript 中 arr[i] = arr[j] 不是原子操作，中间变量漏声明、引用误传、对象浅拷贝都会导致隐性 bug。
- 写
swap时统一用解构：[arr[i], arr[j]] = [arr[j], arr[i]]，避免临时变量命名污染或未定义错误 - 所有比较逻辑必须抽成独立函数，比如
compare(a, b)返回 -1/0/1，不能在if (a > b)里硬编码——否则升序变降序时要改七八处 - 对字符串、数字混排（如
['2', '10', '1']）必须显式转类型，parseInt(a) - parseInt(b)比a.localeCompare(b)更可控
写 binarySearch 前先搞清“搜索什么”和“找不到时返回谁”
binarySearch 不是只有“找得到就返回索引，找不到就返回 -1”这一种语义。实际业务中更常见的是：找插入位置、找左边界、找第一个 >= x 的位置。这些变体只差一行判断，但逻辑错一点整个数组就偏移。
- 用闭区间
[left, right]写法比开区间更易跟踪边界，循环条件统一为while (left - 查左边界时，
if (arr[mid] >= target) right = mid - 1；查右边界则改成if (arr[mid] - 返回值不是
mid，而是循环结束后的left或right——这是最容易写反的地方，建议在[1,2,2,2,3]上手动走一遍
别在浏览器控制台里测 quicksort 的性能
V8 引擎对小数组（length ）会自动切到 insertionSort，你写的纯 quickSort 在 [5,2,8,1] 上跑不出递归深度，也压不出栈溢出。真要验证分治逻辑，得关掉引擎优化：
立即学习“Java免费学习笔记（深入）”；
- 用
console.time()测毫秒级差异意义不大，改用performance.now()并重复执行 1000 次取平均 - 构造最坏输入：已排序数组触发
quickSortO(n²)，用Array.from({length: 10000}, (_, i) => i) - 递归爆栈不是报
RangeError就完事了——加个计数器depth++在每次递归入口打印，能快速定位 pivot 选得是否失衡
真正卡住人的从来不是算法名字或伪代码，而是 left 和 right 到底包不包含当前 pivot、mid 该不该 +1、空数组要不要 return、undefined 和 NULL 怎么参与比较。这些细节没在至少三个不同输入上手推过，代码永远是“看起来对”。