合并两个有序数组：从生活场景到高效算法
如果说算法是程序员的“内功”，那么双指针技巧，无疑是初入算法世界时最先掌握的一套“基础拳法”——简洁、实用，又充满巧思。
在众多 JavaScript 算法题中，有这样一个经典问题，看似平平无奇，却藏着对空间与顺序的精妙考量：88. 合并两个有序数组 - 力扣（LeetCode） 尤其当题目要求“原地修改”，不允许额外开辟新数组时，真正的功夫才刚刚开始。
问题背景：LeetCode 经典题「合并两个有序数组」
假设你有两个整数数组 nums1 和 nums2，它们都已经按非递减顺序排列（即从小到大）。其中，nums1 的长度是 m + n，前 m 个元素是有效数据，后面 n 个位置是预留的空位（值为0或未定义）；而 nums2 的长度正好是 n。我们的目标是：把 nums2 的所有元素合并进 nums1 中，使得最终 nums1 包含全部 m + n 个元素，并且仍然保持有序。
例如：
nums1 = [1, 2, 3, 0, 0, 0], m = 3
nums2 = [2, 5, 6], n = 3
// 合并后应为：
nums1 = [1, 2, 2, 3, 5, 6]
注意：不能创建新数组！必须原地修改 nums1。这就对空间效率提出了挑战。
初学者思路：从前向后双指针？
很多初学者的第一反应是：既然两个数组都已排序，那我用两个指针分别从头开始比较，把小的放进结果数组。这确实可行，但有个致命问题：如果直接往 nums1 前面写入，会覆盖掉还没处理的原始数据！
想象一下：你正在整理两叠书，左边一叠是你自己的（nums1），右边一叠是借来的（nums2）。你想把它们合并成一叠放在左边的书架上。如果你从最前面开始放，就得先把原来的书挪走，否则新书会压住旧书，导致信息丢失。这显然很麻烦。
所以，从前向后操作，在原地修改时不可行。
聪明做法：从后往前，三指针登场！
既然“前面不能动”，那我们就从后面开始填！因为 nums1 的末尾有 n 个空位，正好可以用来存放最大的元素，而且不会影响前面的有效数据。
这就是三指针法的核心思想：
- 指针 i：指向
nums1中最后一个有效元素（索引m - 1） - 指针 j：指向
nums2的最后一个元素（索引n - 1） - 指针 k：指向
nums1的最后一个位置（索引m + n - 1）
我们从两个数组的“尾巴”开始比较，谁大，就把谁放到 k 的位置，然后对应的指针向前移动。这样，每一步都在安全区域操作，绝不会覆盖未处理的数据。
来看代码实现：
function merge(nums1, m, nums2, n) {
let i = m - 1; // nums1 有效部分的末尾
let j = n - 1; // nums2 的末尾
let k = m + n - 1; // nums1 整体的末尾（待填充位置）
// 只要两个数组都还有元素，就继续比较
while (i >= 0 && j >= 0) {
if (nums1[i] > nums2[j]) {
nums1[k] = nums1[i]; // 把 nums1 的大元素放到后面
i--; // i 向前移
} else {
nums1[k] = nums2[j]; // 把 nums2 的大元素放到后面
j--; // j 向前移
}
k--; // k 总是向前移，准备放下一个最大值
}
// 如果 nums2 还有剩余元素（说明 nums1 已经处理完）
while (j >= 0) {
nums1[k] = nums2[j];
j--;
k--;
}
// 注意：如果 nums1 有剩余，其实不用处理，因为它们已经在正确位置了！
}
这段代码精巧而高效，时间复杂度是 O(m + n) ，空间复杂度是 O(1) —— 没有使用任何额外数组，完全原地操作。
为什么不需要处理 nums1 剩余的情况？
细心的朋友可能会问：代码里只处理了 nums2 剩余的情况，那如果 nums1 还有元素没处理完怎么办？
答案是：不需要处理！
因为 nums1 本身就是目标数组。如果 j < 0（即 nums2 已全部放入），而 i >= 0，说明剩下的 nums1[0...i] 元素本来就比所有已放入的元素小，而且它们已经在 nums1 的前半部分——位置本来就是对的！
举个例子：
nums1 = [4, 5, 6, 0, 0, 0], m = 3
nums2 = [1, 2, 3], n = 3
// 合并后应为
nums1 = [1, 2, 3, 4, 5, 6]
合并过程中，nums2 的 3、2、1 会被依次放到末尾，而 nums1 的 4、5、6 根本不需要移动，它们天然就在正确位置。
总结：优雅与效率的结合
通过这个“合并有序数组”的问题，我们不仅学会了一种高效的算法技巧，更体会到了逆向思维的力量。很多时候，正向思考会遇到障碍（比如数据覆盖），但换个方向——从后往前——问题迎刃而解。
三指针法之所以优秀，是因为它：
- 充分利用了输入数据的特性（已排序 + 预留空间）
- 避免了额外空间开销
- 逻辑清晰，边界处理简洁
