算法對於前端工程師來說總有一層神秘色彩，這篇文章通過解讀V8源碼，帶你探索Array.prototype.sort函數下的算法實現。
來，先把你用過的和聽說過的排序算法都列出來：
- 快速排序
- 冒泡排序
- 插入排序
- 歸並排序
- 堆排序
- 希爾排序
- 選擇排序
- 計數排序
- 桶排序
- 基數排序
- …
答題環節到了， sort 函數使用的以上哪一種算法？
如果你在網上搜索過關於 sort 源碼的文章，可能會告訴你數組長度小於10用插入排序，否則用快速排序。
開始我也是這么認為的，可當我帶着答案去 GitHub 驗證的時候發現並非如此。
首先我並沒有找到對應的 js 源碼（文章說實現邏輯是用js寫的），因為但新版本的V8源碼已經修改，改用V8 Torque。V8 Torque是專門用來開發V8而創造的語言，語法類似TypeScript（再一次證明TypeScript的價值），它的編譯器使用CodeStubAssembler轉換成高效的匯編代碼。
簡單理解起來就是創造了一個類似TypeScript的高效的高級語言，這個語言的文件后綴是tq。
這里需要感謝 justjavac 大神指點~
其次當我開始閱讀源碼的時候，並沒有找到使用快速排序的代碼，也沒有找到判斷數組長度的常數值10。
所有的證據表明，之前的源碼解讀文章很可能已經過時。
那么最新版本的 V8 用的是什么排序算法呢？
算法解讀
V8引擎在xx版本之后就舍棄了快速排序，因為它不是穩定的排序算法，在最壞情況下，時間復雜度會降級到O(n^2)。
而是采用了一種混合排序的算法：TimSort。
這種功能算法最初用於Python語言中，嚴格地說它t不屬於以上10種排序算法中的任何一種，屬於一種混合排序算法：
在數據量小的子數組中使用插入排序，然后再使用歸並排序將有序的子數組進行合並排序，時間復雜度為 O(nlogn) 。
結合V8源碼，具體實現步驟如下：
- 判斷數組長度，小於2直接返回，不排序。
- 開始循環。
- 找出一個有序子數組，我們稱之為“run”，長度為 currentRunLength 。
- 計算最小合並序列長度 minRunLength （這個值會根據數組長度動態變化，在32~64之間）。
- 比較 currentRunLength 和 minRunLength ，如果 currentRunLength >= minRunLength ，否則采用插入排序補足數組長度至 minRunLength ，將 run 壓入棧 pendingRuns 中。
- 每次有新的 run 被壓入 pendingRuns 時保證棧內任意3個連續的 run（run0, run1, run2）從下至上滿足run0>run1+run2 && run1>run2 ，不滿足的話進行調整直至滿足。
- 如果剩余子數組為0，結束循環。
- 合並棧中所有 run，排序結束。
源碼解讀
源碼路徑
/thrid_party/v8/builtins/array-sort.tq
調用棧
1386 ArrayPrototypeSort
1403 ArrayTimSort
1369 ArrayTimSortImpl
1260 ComputeMinRunLength // 計算 minRunLength
// while循環
1262 CountAndMakeRun // 計算當前 run 的長度
1267 BinaryInsertionSort // 用插入排序補足 run 長度
1274 MergeCollapse // 放入 pendingRuns 並根據需要進行調整
// 循環結束
1281 MergeForceCollapse // 合並 pendingRuns 中所有 run
核心源碼
tq語言雖然有些不一樣，但如果有TypeScript基礎的話閱讀起來應該不成問題。
下面重點解讀3個函數的源碼：
// 在while循環之前調用，每次排序只調用一次，用來計算 minRunLength
macro ComputeMinRunLength(nArg: Smi): Smi {
let n: Smi = nArg;
let r: Smi = 0;
assert(n >= 0);
// 不斷除以2，得到結果在 32~64 之間
while (n >= 64) {
r = r | (n & 1);
n = n >> 1;
}
const minRunLength: Smi = n + r;
assert(nArg < 64 || (32 <= minRunLength && minRunLength <= 64));
return minRunLength;
}
// 計算第一個 run 的長度
macro CountAndMakeRun(implicit context: Context, sortState: SortState)(
lowArg: Smi, high: Smi): Smi {
assert(lowArg < high);
// 這里保存的才是我們傳入的數組數據
const workArray = sortState.workArray;
const low: Smi = lowArg + 1;
if (low == high) return 1;
let runLength: Smi = 2;
const elementLow = UnsafeCast<JSAny>(workArray.objects[low]);
const elementLowPred = UnsafeCast<JSAny>(workArray.objects[low - 1]);
// 調用比對函數來比對數據
let order = sortState.Compare(elementLow, elementLowPred);
const isDescending: bool = order < 0 ? true : false;
let previousElement: JSAny = elementLow;
// 遍歷子數組並計算 run 的長度
for (let idx: Smi = low + 1; idx < high; ++idx) {
const currentElement = UnsafeCast<JSAny>(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;
}
// 調整 pendingRuns ，使棧長度大於3時，所有 run 都滿足 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;
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); // 將第 n 個 run 和第 n+1 個 run 進行合並
} else if (
GetPendingRunLength(pendingRuns, n) <=
GetPendingRunLength(pendingRuns, n + 1)) {
MergeAt(n); // 將第 n 個 run 和第 n+1 個 run 進行合並
} else {
break;
}
}
}
總結
下次面試前端崗位的時候，如果面試官問你算法題，你可以莞爾一笑地問他/她：
知道 Array 的 sort 函數使用了什么算法嗎？TimSort要不要了解一下？
當然如果因此搞得面試官難堪而導致拿不到offer可別怪作者~
參考：
一部由眾多技術專家推薦，幫你成為具有全面能力和全局視野工程師的進階利器——《了不起的JavaScript工程師》已經在京東、當當、淘寶各大平台上架了~
點擊下方鏈接即刻踏上屬於你的進階之路吧！
