多维数组扁平化需据场景选递归或迭代：递归直观易懂但深嵌套易栈溢出；迭代用栈/队列规避溢出，适合超深嵌套或不可信数据；日常开发优先递归，高风险场景必选迭代。

多维数组扁平化，本质是把嵌套任意层的数组“一层层拆开”，最终得到一个只含原始值的一维数组。递归和迭代是两种主流实现思路，适用场景和底层逻辑不同，选错可能引发性能或稳定性问题。

递归方案：直观易懂，适合常规嵌套

递归利用函数自我调用，逐层进入子数组，遇到非数组元素就收集，是最符合人类直觉的写法。

• 核心逻辑：遍历每个元素 → 若为数组，递归处理该子数组 → 否则直接推入结果数组
• 支持深度控制：可传入 depth 参数（如 flatten(arr, 2)），与原生 flat(2) 行为一致
• 代码简洁，调试友好，新手容易上手
• 缺点：嵌套过深（比如 1000 层）时可能触发栈溢出（RangeError: Maximum call stack size exceeded）

迭代方案：用栈/队列规避栈溢出，适合超深嵌套

迭代不依赖函数调用栈，而是用显式的数据结构（如数组模拟栈）暂存待处理项，通过循环逐步展开。

• 典型做法：初始化栈为 [arr] → 循环弹出一项 → 若为数组，将其所有子项逆序压入栈（保持原顺序）→ 否则推入结果
• 完全避免递归调用，内存占用可控，适合处理动态生成的深层树形数据或用户输入的不可信嵌套结构
• 需要手动管理状态，逻辑略绕；结果顺序需注意（栈为 LIFO，常需 reverse() 或改用队列）
• 在 Web Worker 或服务端长时间运行场景中更稳健

怎么选？看实际约束

日常业务代码、嵌套不超过 10 层、可预估数据规模 → 优先用递归，清晰可靠；

处理日志、配置文件、用户上传的 JSON、或已知可能达百层以上 → 必须用迭代，防崩溃；

如果项目已用 Lodash，_.flattenDeep() 内部就是安全的迭代实现，可直接复用。