二分查找必须在有序数组中进行，因为只有单调性才能保证每次比较后可靠排除一半数据；无序时无法判断目标位置，导致算法失效或退化为线性搜索；若仅单次查询，排序开销远超直接遍历。

因为二分查找的每一步决策，都依赖“中点值能可靠划分数据范围”这一前提——而只有有序数组才能提供这种确定性。

中点比较失去方向判断依据

在升序数组中，若 arr[mid] ，就能断定目标只可能出现在右半段（因为左半段所有元素 ≤ arr[mid]）；反之亦然。这个推理链条成立的根基，是整个数组保持单调性。一旦无序，比如 mid 位置是 5，左边有 10、右边有 3，那么无论 target 是 4 还是 7，都无法凭 arr[mid] 的大小安全排除任一半——算法可能直接跳过目标所在区域。

时间复杂度优势不复存在

二分查找的 O(log n) 效率，来自每次比较都能稳定砍掉一半候选空间。无序时这个“砍半”是盲目的：排除的那半里可能刚好有答案，剩下的一半又得全扫。结果要么出错，要么退化成随机搜索，实际性能甚至不如一次遍历。

排序本身就有成本，不能为了单次查找去排

• 通用排序（如归并、快排）最低要 O(n log n)，远超二分本身的 O(log n)
• 计数排序等线性排序只适用于整数且值域小的场景，不通用
• 如果只查一次，直接线性扫描 O(n) 更省事；只有反复查同一组数据时，才值得先排序再二分，或改用哈希表

有些变体看似不要求整体有序，其实另有结构保证

比如找峰值、找旋转排序数组中的值，表面看数组不是单调的，但它们各自存在局部性质（如“mid 比右邻大 → 左侧必有峰值”），仍满足“每次能确定答案必在某一边”的核心条件。这不违背原理，而是把“有序”换成了其他可推导的划分依据。