基数排序适合处理固定长度的整数或字符串，按位分组计数、不比较大小，时间复杂度为O(d×(n+k))；电话号码需清洗、统一为11位数字数组，再逐位进行稳定计数排序。
基数排序适合处理固定长度的整数或字符串（如电话号码），它不比较元素大小，而是按位分组计数，时间复杂度稳定为 O(d × (n + k))，其中 d 是位数（如 11 位手机号），k 是进制基数（通常取 10）。Java 中用数组实现时，核心是：用 计数数组统计每位数字频次 → 转为前缀和定位 → 倒序分配到临时数组 → 复制回原数组。关键在于避免对象创建、复用数组、严格按位处理。
电话号码预处理：统一格式与数值化
国内手机号通常为 11 位纯数字，但输入可能含空格、横线、+86 等。需先清洗并转为 long 或 int 数组（若全为 11 位且无前导零，可用 long 安全存储；若含国际区号或长度不一，建议转为 String 数组再按字符排序更稳妥）。实际中推荐统一截取/补零至 11 位后存入 int[] digits，每位存一个 0–9 的数字，便于后续按位索引。
- 用 StringBuilder 或正则
"[^0-9]"提取所有数字，再截取末 11 位（或左补 0 至 11 位） - 避免直接解析成 long：超大规模数据下 Long.valueOf() 会触发装箱，产生大量对象；改用字符数组遍历转换
- 示例："+86 138-1234-5678" → 提取 "8613812345678" → 取后 11 位 "3812345678" → 补前导零得 "03812345678"
单轮计数排序：稳定地按某一位排序
基数排序本质是多轮计数排序（Counting Sort），每轮处理 1 位（从个位开始，即最低有效位 LSD）。Java 中用原始 int 数组实现时，需两个辅助数组：count[10] 统计当前位各数字出现次数，output[n] 存放本轮结果。注意必须倒序遍历输入数组，才能保证相同数字的相对顺序不变（稳定性）。
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
- 初始化 count 全为 0；遍历所有数字，提取当前位（如第 i 位：
(num / (int) Math.pow(10, i)) % 10，但更高效用移位或预计算幂） - 对 count 做前缀和：
count[j] += count[j-1]（j 从 1 到 9），此时 count[d] 表示 ≤ d 的数字总个数，即最大索引位置 - 倒序遍历原数组，对每个数 x 提取当前位 d，将 x 放入 output[count[d] - 1]，然后 count[d]--
- 最后用 System.arraycopy 将 output 复制回原数组
完整基数排序循环：从低位到高位迭代
对 11 位电话号码，需执行 11 轮计数排序（i = 0 到 10）。每轮只关注对应十进制位，无需关心数值大小。为提升性能，可预计算 10 的幂次方数组 int[] power = {1, 10, 100, ..., 10^10}，避免重复调用 Math.pow（该方法返回 double，有精度风险且慢）。
立即学习“Java免费学习笔记（深入）”；
- 声明
int[] arr存储所有电话号码的整数值（已标准化为 11 位无符号整数） - 外层循环 for (int i = 0; i
- 提取位数公式优化为：
int digit = (arr[j] / power[i]) % 10；确保 arr[j] ≥ 0，否则 % 运算行为异常 - 每轮复用同一组 output 和 count 数组，不重新 new，减少 GC 压力
内存与规模优化技巧
处理“超大规模”（如千万级）电话号码时，重点不是算法理论，而是数组局部性、缓存友好和内存控制。原始 int 数组比 Integer[] 节省一半内存且无 GC 开销；若数据远超内存，需分块排序 + 归并，但电话号码场景通常可全量驻留。
- 用 int[] 而非 long[]：11 位最大值 99999999999
- 避免 String 拼接或 substring：清洗阶段用 char[] 批量处理，用 Arrays.sort 不适用（非比较式），坚持自定义基数逻辑
- 并行化慎用：基数排序每轮依赖上一轮输出，无法简单 parallelStream；但可对超大 input 分段，各自 radix sort 后做 k-way merge
