C++快速排序面试全解析：从基础到优化

1. 快速排序在C++面试中的核心地位

作为算法面试的"常驻嘉宾"，快速排序出现的频率几乎和二叉树遍历不相上下。去年我参与某大厂面试时，连续三轮技术面都被要求手写快排，只是考察的侧重点各不相同——从基础实现到边界处理，再到时间复杂度分析，最后到工程实践中的优化技巧。

为什么面试官如此钟爱这个算法？原因很简单：一个看似简单的快排实现，能同时考察候选人的算法基础、编码规范、边界条件处理能力，以及对递归和分治思想的理解深度。更重要的是，它能真实反映程序员的思维严谨性——据统计，能一次性写出完全正确快排代码的候选人不超过30%。

2. 基础版本实现与常见陷阱

2.1 经典递归实现框架

先来看最基础的实现版本，这是90%面试者的起点：

cpp复制void quickSort(vector<int>& arr, int left, int right) {
    if (left >= right) return;
    
    int pivot = partition(arr, left, right);
    quickSort(arr, left, pivot - 1);
    quickSort(arr, pivot + 1, right);
}

这个框架看似简单，但隐藏着几个关键点：

1. 终止条件必须是left >= right而非left == right，因为当子数组长度为1时，left可能大于right
2. pivot的定位已经确定，所以递归区间要排除pivot本身
3. 区间划分必须使用闭区间[left, right]，这是工业界的通用做法

2.2 Partition函数的魔鬼细节

真正的难点在于partition实现。以Lomuto分区方案为例：

cpp复制int partition(vector<int>& arr, int left, int right) {
    int pivot = arr[right];  // 选择最右元素作为基准
    int i = left;
    
    for (int j = left; j < right; ++j) {
        if (arr[j] < pivot) {
            swap(arr[i], arr[j]);
            ++i;
        }
    }
    swap(arr[i], arr[right]);
    return i;
}

这个实现有三个致命陷阱：

1. 当数组已经有序时，时间复杂度退化为O(n²)
2. 元素全等时会产生不必要的交换
3. 基准值选择不当会导致递归深度失衡

我在面试中曾亲眼见过候选人因为这个partition实现没处理好全等数组的情况而被一票否决。正确的做法应该增加arr[j] <= pivot的判断，但这样又会降低一般情况下的性能——这就是算法设计的trade-off。

3. 工业级优化策略

3.1 三数取中法优化基准选择

为了避免最坏情况，工程实践中常用"三数取中"法：

cpp复制int medianOfThree(vector<int>& arr, int left, int right) {
    int mid = left + (right - left) / 2;
    
    if (arr[left] > arr[mid]) swap(arr[left], arr[mid]);
    if (arr[left] > arr[right]) swap(