Arrays.binarySearch 返回值既是存在性判断依据（≥0表示命中），也提供插入位置（-(返回值+1)）和区间计数基础，需结合业务映射为具体操作。
Arrays.binarySearch 的返回值不是终点，而是业务逻辑的起点。 它不只告诉你“在不在”，更给出“在哪”或“该插在哪”——这个整数里藏着索引、边界、位置关系，直接驱动后续判断、插入、统计等操作。用好它，关键在于把抽象的返回数字，映射到具体业务动作上。
存在性判断：别只看是不是-1
很多新手写 if (idx == -1) 判断失败，这会漏掉索引为 0 的合法命中（比如目标刚好在数组开头）。正确做法是统一用 ≥ 0：
- 查用户权限码是否在白名单中 →
if (idx >= 0) { 允许访问 } - 验证上报状态码是否属于已知 HTTP 错误范围 →
if (Arrays.binarySearch(errorCodes, code) >= 0) { 记录告警 } - 注意：仅需判断存在性时，语义比性能更重要；若数据量小、调用频次低，
Arrays.stream(arr).anyMatch(x -> x == key)更直白，不必强求 binarySearch
插入位置还原：为有序维护提供坐标
返回负值时，-(idx + 1) 就是维持升序所需的插入索引。这不是“失败提示”，而是精确的定位指令：
- 向缓存数组追加新响应时间 → 先
int pos = -(result + 1)，再用System.arraycopy搬移元素后赋值 - 构建轻量级排名表（如 P50/P90 分位点）→ 若查某耗时未命中，
insertPos直接对应其所属档位下标，无需额外比较 - 边界快速识别：若
insertPos == 0，说明新值最小；若insertPos == arr.length，说明新值最大
区间与范围计数：两个插入点撑起一片数据
查一个范围内的元素个数，不需要遍历，只要两次 binarySearch：
- 查
[low, high)区间元素数量 → 分别调用binarySearch(arr, low)和binarySearch(arr, high)，取两者插入点差值 - 日志采样分析中统计“200–499ms 响应占比” → 用插入点算出该区间元素个数，除以总数即可
- 注意：对浮点数组要避开 NaN；对字符串按字典序查前缀范围（如 "user_" 开头），可传
"user\uFFFF"作上界模拟
重复元素与边界定位：配合扫描做精准控制
binarySearch 不保证返回第一个或最后一个匹配项，但可以作为起点快速定位边界：
- 找某配置项首次生效版本 → 先 binarySearch 找到任一匹配位置，再向左线性扫描到第一个相同值
- 统计某阈值被触发次数（如错误码 500 出现频次）→ 找到一个位置后，分别向左右扩展，直到值变化为止
- 小规模数据（几万以内）这样做开销可控；若需高频、多并发获取边界，建议改用 TreeMap 或预计算索引表
