算法对于前端工程师来说总有一层神秘色彩，这篇文章通过解读V8源码，带你探索`Array.prototype.sort`函数下的算法实现。
来，先把你用过的和听说过的排序算法都列出来：
* 快速排序
* 冒泡排序
* 插入排序
* 归并排序
* 堆排序
* 希尔排序
* 选择排序
* 计数排序
* 桶排序
* 基数排序
* ...
答题环节到了， sort 函数使用的以上哪一种算法？
如果你在网上搜索过关于 sort 源码的文章，可能会告诉你数组长度小于10用插入排序，否则用快速排序。
开始我也是这么认为的，可当我带着答案去 GitHub 验证的时候发现并非如此。
首先我并没有找到对应的 js 源码（文章说实现逻辑是用js写的），因为但新版本的V8源码已经修改，改用`V8 Torque`。`V8 Torque`是专门用来开发V8而创造的语言，语法类似TypeScript（再一次证明TypeScript的价值），它的编译器使用`CodeStubAssembler`转换成高效的汇编代码。
简单理解起来就是创造了一个类似TypeScript的高效的高级语言，这个语言的文件后缀是`tq`。
这里需要感谢 [justjavac](https://justjavac.com/about.html) 大神指点~
其次当我开始阅读源码的时候，并没有找到使用快速排序的代码，也没有找到判断数组长度的常数值10。
所有的证据表明，之前的源码解读文章很可能已经过时。
那么最新版本的 V8 用的是什么排序算法呢？
# 算法解读
V8引擎在xx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(n^2)。
而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t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) 。
结合V8源码，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”，长度为 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。
# 源码解读
## 源码路径
`/thrid_party/v8/builtins/array-sort.tq`
## 调用栈
```
1386 ArrayPrototypeSort
1403 ArrayTimSort
1369 ArrayTimSortImpl
1260 ComputeMinRunLength // 计算 minRunLength
// while循环
1262 CountAndMakeRun // 计算当前 run 的长度
1267 BinaryInsertionSort // 用插入排序补足 run 长度
1274 MergeCollapse // 放入 pendingRuns 并根据需要进行调整
// 循环结束
1281 MergeForceCollapse // 合并 pendingRuns 中所有 run
```
## 核心源码
tq语言虽然有些不一样，但如果有TypeScript基础的话阅读起来应该不成问题。
下面重点解读3个函数的源码：
```
// 在while循环之前调用，每次排序只调用一次，用来计算 minRunLength
macro ComputeMinRunLength(nArg: Smi): Smi {
let n: Smi = nArg;
let r: Smi = 0;
assert(n >= 0);
// 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 (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);
const isDescending: bool = order (workArray.objects[idx]);
order = sortState.Compare(currentElement, previousElement);
if (isDescending) {
if (order >= 0) break;
} else {
if (order 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;
while (GetPendingRunsSize(sortState) > 1) {
let n: Smi = GetPendingRunsSize(sortState) - 2;
if (!RunInvariantEstablished(pendingRuns, n + 1) ||
!RunInvariantEstablished(pendingRuns, n)) {
if (GetPendingRunLength(pendingRuns, n - 1) 【深度】扒开V8引擎的源码，我找到了你们想要的前端算法（下次面试官再问算法，用它怼回去！）
原文地址：https://www.cnblogs.com/yalishizhude/p/11462621.html