【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！）

2025-01-11 技术教程

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：

判断数组长度，小于2直接返回，不排序。开始循环。找出一个有序子数组，我们称之为“run”，长度为 currentRunLength 。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）。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。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。如果剩余子数组为0，结束循环。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 <= minRunLength && minRunLength <= 64)); return minRunLength;}

// 计算第一个 run 的长度macro CountAndMakeRun(implicit context: Context, sortState: SortState)( lowArg: Smi, high: Smi): Smi { assert(lowArg < high); // 这里保存的才是我们传入的数组数据 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]); // 调用比对函数来比对数据 let order = sortState.Compare(elementLow, elementLowPred); const isDescending: bool = order < 0 ? true : false; let previousElement: JSAny = elementLow; // 遍历子数组并计算 run 的长度 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;}

// 调整 pendingRuns ，使栈长度大于3时，所有 run 都满足 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); // 将第 n 个 run 和第 n+1 个 run 进行合并 } else if ( GetPendingRunLength(pendingRuns, n) <= GetPendingRunLength(pendingRuns, n + 1)) { MergeAt(n); // 将第 n 个 run 和第 n+1 个 run 进行合并 } else { break; } } }总结

下次面试前端岗位的时候，如果面试官问你算法题，你可以莞尔一笑地问他/她：

知道 Array 的 sort 函数使用了什么算法吗？TimSort要不要了解一下？

当然如果因此搞得面试官难堪而导致拿不到offer可别怪作者~

参考：

V8源码《V8引擎中的排序》《男科一梦（再续一集）-TimSort的实现》

一部由众多技术专家推荐，帮你成为具有全面能力和全局视野工程师的进阶利器——《了不起的JavaScript工程师》已经在京东、当当、淘宝各大平台上架了~

点击下方链接即刻踏上属于你的进阶之路吧！

https://u.jd.com/nETVMh