今天的问题从排序算法入手，来讲解如何根据业务需求，结合金典的算法，来实现js高性能开发。
情景
老板让小明给公司的20000+条数据排个序，但是由于排序的操作会频繁发生，如果操作执行的时间很慢，则会严重降低用户体验，听到这条噩耗后小明开始了代码。
1.毫无违和感的排序算法 小明根据需求，思考了一会，写下了如下算法：
/** * max排序 * @param {*} arr * 耗时：760ms */ function maxSort(arr) { let result = [...arr]; for(let i=0,len=result.length; i< len; i++) { let minV = Math.min(...result.slice(i)) let pos = result.indexOf(minV,i) result.splice(pos, 1) result.unshift(minV) } return result.reverse() }
自信的小明陶醉在自己的算法中，准备测试一下性能，
/* * @Author: Mr Jiang.Xu * @Date: 2019-06-11 10:25:23 * @Last Modified by: Mr Jiang.Xu * @Last Modified time: 2019-06-13 21:03:59 * @desc 测试函数执行的时间 */ const testArr = require('./testArr'); module.exports = async function getFnRunTime(fn) { let len = testArr.length; let startTime = Date.now(), endTime; let result = await fn(testArr); endTime = Date.now(); console.log(result); console.log(`total time:${endTime-startTime}ms`, 'test array\'length:' + len, result.length ); }
运行该测试函数后，耗时760ms，小明觉得还不错，放到项目中后，第一次操作还好，连续操作了几次后，页面明显卡顿。。。（求此时小明心里的阴影面积）
2.冒泡排序
小明不甘心，在网上查找相关资料后，写下了如下冒泡排序代码：
/** * 置换函数 * @param {源数组} arr * @param {原数组的A项} indexA * @param {原数组的B项} indexB */ function swap(arr, indexA, indexB) { [arr[indexA], arr[indexB]] = [arr[indexB], arr[indexA]]; } /** * 原始冒泡排序 * @param {数组} arr * 耗时：377ms */ function bubbleSort1(arr) { for (let i = arr.length - 1; i > 0; i--) { for (let j = 0; j < i; j++) { if (arr[j] > arr[j + 1]) { swap(arr, j, j + 1); } } } return arr; }
测试后耗时377ms，完美，小明放到项目中测试，频繁排序还是会有点卡顿，能不能再优化一下呢？ 思考许久之后，小明完善了冒泡排序：
/** * 利用索引优化后的冒泡排序 * @param {数组} arr * 耗时：350ms */ function bubbleSort2(arr) { let i = arr.length - 1; while (i > 0) { let pos = 0; for (let j = 0; j < i; j++) { if (arr[j] > arr[j + 1]) { pos = j; swap(arr, j, j + 1); } } i = pos; } return arr; }
根据缓存索引位置来提高排序性能，时间节约了20ms，但收益很小。小明开始和自己过不去了，在维基百科上继续查找，最后发现了一个方法：
/** * 在每趟排序中进行正向和反向两遍冒泡 , * 一次可以得到两个最终值（最大和最小）, * 从而使外排序趟数大概减少了一半 * @param {*} arr * 耗时：312ms */ function bubbleSort3(arr) { let start = 0; let end = arr.length - 1; while (start < end) { let endPos = 0; let startPos = 0; for (let i = start; i < end; i++) { if (arr[i] > arr[i + 1]) { endPos = i; swap(arr, i, i + 1); } } end = endPos; for (let i = end; i > start; i--) { if (arr[i - 1] > arr[i]) { startPos = i; swap(arr, i - 1, i); } } start = startPos; } return arr; }
通过在每趟排序中进行正向和反向两遍冒泡，小明把时间又降低了38ms，不错～
再次推荐大家有事多上上维基百科，总有一款适合你。 ####3.插入排序 在收入小规模胜利后，小明膨胀了，狂言要把排序时间降低到100ms一下，于是后又安利了如下算法：
/** * 插入排序 -- 基础版 * @param {*} arr * 耗时：897ms */ function insertionSort(arr) { for (let i = 1, len = arr.length; i < len; i++) { const temp = arr[i]; let preIndex = i - 1; while (arr[preIndex] > temp) { arr[preIndex + 1] = arr[preIndex]; preIndex -= 1; } arr[preIndex + 1] = temp; } return arr; }
897ms,小明留下了没技术的泪水。
最后小明拿出了这个看家本领，查到了二分搜索，最后改造后代码入下：
/** * 改造二分查找,查找小于value且离value最近的值的索引 * @param {*} arr * @param {*} maxIndex * @param {*} value */ function binarySearch1(arr, maxIndex, value) { let min = 0; let max = maxIndex; while (min <= max) { const m = Math.floor((min + max) / 2); if (arr[m] <= value) { min = m + 1; } else { max = m - 1; } } return min; } /** * 使用二分法来优化插入排序 * @param {*} arr * 耗时：86ms */ function insertionSort1(arr) { for (let i = 1, len = arr.length; i < len; i++) { const temp = arr[i]; const insertIndex = binarySearch1(arr, i - 1, arr[i]); for (let preIndex = i - 1; preIndex >= insertIndex; preIndex--) { arr[preIndex + 1] = arr[preIndex]; } arr[insertIndex] = temp; } return arr; }
完美，只用了86ms！小明激动的站了起来，还拍了下桌子，全然无视观众的眼光。
小明已经满足的不要不要的了，对86ms相当满意，老板也对他刮目想看。
4.希尔排序
难道就没有提升的余地了么？进过调查研究表明，是有更优的方案的：
/** * 希尔排序 * 核心：通过动态定义的 gap 来排序，先排序距离较远的元素，再逐渐递进 * @param {*} arr * 耗时：15ms */ function shellSort(arr) { const len = arr.length; let gap = Math.floor(len / 2); while (gap > 0) { // gap距离 for (let i = gap; i < len; i++) { const temp = arr[i]; let preIndex = i - gap; while (arr[preIndex] > temp) { arr[preIndex + gap] = arr[preIndex]; preIndex -= gap; } arr[preIndex + gap] = temp; } gap = Math.floor(gap / 2); } return arr; }
耗时15ms，膜拜。 ####5.归并排序
/** * 归并排序 * @param {*} arr * 耗时 30ms */ function concatSort(arr) { const len = arr.length; if (len < 2) { return arr; } const mid = Math.floor(len / 2); const left = arr.slice(0, mid); const right = arr.slice(mid); return concat(concatSort(left), concatSort(right)); } function concat(left, right) { const result = []; while (left.length > 0 && right.length > 0) { result.push(left[0] <= right[0] ? left.shift() : right.shift()); } return result.concat(left, right); }
耗时30ms，也想当优秀。还有没有更快的方法呢？答案是有的，但是会涉及到比较高僧的数学知识，放弃吧，孩子。。。
接下来会推出更多优秀的算法，敬请期待哦～ 最后，欢迎加入前端技术群，一起探讨前端的魅力
###更多推荐
