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！）...

Array.prototype.sort 源码分析，网上很多分析文章都已经过时了~

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 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 ArrayPrototypeSort1403 ArrayTimSort1369 ArrayTimSortImpl1260 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 minRunLengthmacro 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 < 64 || (32 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); // 将第 n 个 run 和第 n+1 个 run 进行合并      } else if (          GetPendingRunLength(pendingRuns, n)