在算法设计中，合并两个有序数组是一个基础却极具启发性的问题。它不仅出现在归并排序的核心步骤中，也是许多实际场景（如日志合并、数据同步）的简化模型。若仅追求功能实现，我们可以轻松创建一个新数组，用双指针从前向后依次选取较小元素填入。然而，当题目要求将结果直接存入第一个数组（nums1）且不使用额外空间时，问题便从“简单”跃升为“巧妙”——这正是考察算法思维与空间优化能力的关键所在。
常规思路：从前向后，需额外空间
最直观的方法是使用两个指针分别从 nums1 和 nums2 的起始位置开始比较：
let i = 0, j = 0;
const result = [];
while (i < m && j < n) {
if (nums1[i] <= nums2[j]) result.push(nums1[i++]);
else result.push(nums2[j++]);
}
// 处理剩余元素...
这种方法逻辑清晰，时间复杂度为 O(m + n)，但需要 O(m + n) 的额外空间来存储结果。若题目明确要求“原地合并”，即利用 nums1 末尾预留的 n 个空位直接写入结果，则此方案不再适用。
关键洞察：从后向前，避免覆盖
观察题设条件：nums1 的长度为 m + n，前 m 个元素有效，后 n 个位置为空。这意味着，如果我们从数组末尾开始填充，就能安全地覆盖那些尚未处理的元素。
于是，我们引入三指针策略：
i指向nums1有效部分的最后一个元素（索引m - 1）；j指向nums2的最后一个元素（索引n - 1）；k指向nums1的最终末尾（索引m + n - 1）。
function merge(nums1, m, nums2, n) {
let i = m - 1, j = n - 1, k = m + n - 1;
while (i >= 0 && j >= 0) {
if (nums1[i] > nums2[j]) {
nums1[k--] = nums1[i--];
} else {
nums1[k--] = nums2[j--];
}
}
while (j >= 0) nums1[k--] = nums2[j--];
}
每次比较 nums1[i] 与 nums2[j]，将较大者放入 nums1[k]，然后相应指针左移。由于我们总是将当前最大值放到最后，且 nums1 后半部分原本为空，因此不会发生数据覆盖。
当 nums1 的元素先处理完（即 i < 0），只需将 nums2 剩余元素依次复制到 nums1 前部；若 nums2 先处理完，则 nums1 剩余部分已在正确位置，无需操作。
空间复杂度的极致优化
该算法的最大优势在于空间复杂度为 O(1) ——仅使用了几个指针变量，未申请任何额外数组。所有操作都在 nums1 上原地完成，完美契合题目约束。同时，时间复杂度仍保持 O(m + n)，每个元素仅被访问一次。
这种“从后向前”的逆向思维，是解决原地修改类问题的经典范式。它提醒我们：当正向操作会导致数据破坏时，不妨尝试反向推进，利用已知的“安全区域”作为落脚点。
实际意义与延伸思考
该技巧不仅适用于数组合并，在字符串拼接（如 URL 编码）、内存管理等场景也有广泛应用。例如，某些系统 API 要求输入输出使用同一缓冲区，此时从后向前写入可避免中间结果被覆盖。
此外，这一解法也体现了算法设计中的一个重要原则：充分利用问题的隐含条件。本题中，“nums1 末尾有足够空位”这一细节，正是实现原地合并的关键突破口。忽略它，只能退而求其次；抓住它，便能写出优雅高效的代码。
结语
有序数组合并看似平凡，却蕴含着深刻的算法思想。从前向后的朴素解法，到从后向前的原地优化，不仅是技巧的升级，更是思维方式的转变。它教会我们在面对约束时，如何通过逆向思考、利用空闲资源、避免冗余操作，最终在时间和空间上达到双重最优。掌握这一模式，不仅能应对面试题，更能培养出对数据结构与内存布局的敏锐直觉——而这，正是优秀程序员的核心素养之一。
