快速排序是一种常用的排序算法，快速排序也使用了分而治之（divide /dɪˈvaɪd/ and conquer /ˈkɒŋkər/ 简称D&C）。分而治之是一种思路，它是一种递归思想，每个递归函数都有两部分：
基线条件（base case）递归条件（recursive case） /rɪˈkɜːsɪv/递归条件指的是函数调用自己，而基线条件则指的是函数不再调用自己，从而避免形成无限循环。
function fibonacci(n) { if (n <=2) { // n <=2 基线条件 return 1 }; return fibonacci(n - 2) + fibonacci(n - 1); // n>2 为递归条件};fibonacci(10) //55有了递归的基础接下来我们再来看下快速排序的写法！
1.快速排序易懂版有下图这么一个数组[4, 5, 1, 6, 9, 22, 6]
我们先确定基准点，那么我们取中间值为基准点！
然后以基准点为参照值对数组进行排序，比6小的放左边，比6大的放右边！
第一轮排序完成了，我们开始对左右两边再进行排序，先看左边的！
和上面一样，先取中间值为基准点！
然后以基准点为参照值对数组进行排序，比5小的放左边，比5大的放右边，这里4,1都比5小，所以都在左边，右边没有值！
接下来对1,4这两个元素进行排序，先取基准点！
以基准点为参照值对数组进行排序，比4小的放左边，比4大的放右边，右边也没有值！
再看右边的数组！
先取中间值为基准点！
然后以基准点为参照值对数组进行排序，比22小的放左边，比22大的放右边，这里9,6都比22小，所以都在左边，右边也没有值！
接下来对6,9这两个元素进行排序，先取基准点！
以基准点为参照值对数组进行排序，比9小的放左边，比9大的放右边，右边也没有值！
最终合并数组完成整个排序（因为数字比较少，我把所有的步骤都列出来了）！
上面是快速排序的一个完整的步骤！那么我们代码中怎么实现！
上面这种快速排序比较易懂，但是每次都要创建left,right数组，这样就增加了空间复杂度！效率就降低了！
2.快速排序易变种版我们还是要先找基准点，那么这里的基准点就选第一个元素，上面我们是创建left,right数组来区分，这里可以用两个变量i和j，分别指向序列最左边和最右边，你可以理解i是小于基准点的值，j是大于基准点的值，还是用上面的数组[4, 5, 1, 6, 9, 22, 6]
这里基准点是4，首先，变量j向左移动，当小于基准点4时停下脚步！，然后变量i向右移动，当大于基准点4时候停下脚步！
这里变量i的值是5，变量j的值是1，交换I,j的值！
然后j再向左移动找比基准点4小的值，找到了1停下脚步,接着i向右移动找比基准点4大的值，当碰到了j停下脚步！
最后交换基准点和i或者j的值（它们相等）
第一轮排序就完成了，4左边是比4小的，4右边是比4大的，左边右边进行重复上面的操作！
那么我们代码中怎么实现！
明确基线条件和递归条件（如果数组只有一个元素，根本就不用排序，那么当数组的元素大于1时就是递归条件）。选择好基准点为arr[0]。创建两个变量i和j，分别指向序列最左边和最右边。 不断的重复2,3步骤。 let arr = [4, 5, 1, 6, 9, 22, 6]; function quickSort(arr, left, right) { let i = left, j = right, middle = arr[left];//取基准点 if (left >= right) {//如果数组为空或者只有一个元素，跳出递归 return; }; while (i < j) {//当i=j跳出循环 while (arr[j] > middle && i < j) {//从右向左找第一个比基准点小的值 j--; }; while (arr[i] <= middle && i < j) {//从左向右找第一个大于等于基准点的值，注意这里可以相等，是为了保证基准点的位置不变 i++; }; if (i < j) {//交换值 let temp = arr[i]; arr[i] = arr[j]; arr[j] = temp; } }; 当i和j相等，再和基准值交换值 arr[left] = arr[i]; arr[j] = middle; quickSort(arr, left, i - 1);//递归基准点左边的数组,并且当left>=i-1跳出递归 quickSort(arr, i + 1, right);//递归基准点右边的数组，并且当i+1>=right跳出递归 }; quickSort(arr, 0, arr.length - 1);//[1, 4, 5, 6, 6, 9, 22]以上两种方法都可以实现快速排序，只不过是实现的方式不一样而已，快速排序的平均运行时间为O(n log n)，最糟情运行时间为 O(n2)，不懂的话可以点击算法的时间复杂度（大O表示法）