百万级数据排序需分块并行+多Worker协同，按CPU核心数切片、共享内存零拷贝通信、最小堆归并，并依数据特征选用计数排序或三路快排，辅以心跳、超时和交互反馈保障稳定性。
用 Web Worker 实现百万级数据的快速排序，核心不是“把 sort() 搬进 Worker”，而是通过任务拆分、通信优化和算法适配，让主线程始终响应，同时真正利用多核能力提速。单 Worker 跑全量排序只是把卡顿从前台移到后台，并不快。
分块并行 + 多 Worker 协同
别让一个 Worker 处理全部数据。按设备 CPU 核心数自动切片：
- 用 navigator.hardwareConcurrency 获取可用核心数（如 4 或 8）
- 每块大小 = Math.floor(data.length / hardwareConcurrency)，确保负载均衡
- 主线程只传索引范围（如
{start: 0, length: 250000}），不传原始数组；Worker 从共享缓冲区读取对应段 - 各 Worker 独立就地排序，完成后返回元信息（如
{start: 0, end: 249999, bufferId: 1}）
零拷贝通信 + 最小堆归并
避免结构化克隆百万数组带来的传输卡顿：
- 用 SharedArrayBuffer 或 Transferable（如
Uint32Array）传递数据，主线程与 Worker 共享同一内存视图 - Worker 不返回完整数组，只返回有序段的位置和标识，降低通信体积
- 主线程用最小堆合并 N 个已排序段：每次取各段首元素最小值，时间复杂度 O(n log k)，远优于全量重排
算法选型贴合数据特征
V8 的 Array.prototype.sort() 很快，但有适用边界：
立即学习“前端免费学习笔记（深入）”；
- 数据量 < 1000：直接用
arr.sort((a,b) => a - b)，V8 自动切插入排序 - 纯整数且 ≥ 10 万：改用 Int32Array + 计数排序，O(n) 时间，需预估值域（如价格 0–10000）
- 含大量重复值（如商品状态字段）：Worker 内用三路快排，减少无效比较和递归深度
- 日期/中文等复杂字段：提前转为可比数值（如
new Date().getTime()）或用Intl.Collator预建比较器实例
稳定性与体验细节
快的前提是稳，尤其在低端设备上：
- 单 Worker 处理上限设为 ≤20 万整数，超限自动再分片，防浏览器终止 Worker
- 加心跳机制：
setInterval(() => self.postMessage({type: 'ping'}), 2000)，主线程超时未响应则重启 - 启动即禁用按钮 +
aria-busy="true"，反馈“分片中 → 排序中(3/8) → 归并中 → 完成”，不用百分比进度条 - 设置 10 秒超时兜底，超时提示“数据量过大，建议先筛选”并恢复交互
