binarysearch可将查找从o(n)降至o(log n)，但必须确保数组严格升序，否则结果不可信；需防范nan、类型混排、浮点精度等陷阱，并根据需求选择存在性判断、插入位置或边界查找。

直接用 binarySearch 查已排序数组，能把查找从 O(n) 降到 O(log n)，100 万个元素最多查 20 次就出结果。关键不是“会不会写”，而是“怎么用对、用稳、用准”。

必须先确认数组已严格升序

二分查找不校验顺序，错排数组返回结果完全不可信。实际开发中常见陷阱：数组看似有序，实则含 NaN、undefined、字符串数字混排（如 "10" 和 2 比较会出错），或浮点数精度导致的微小逆序。

• 上线前加简单断言：console.assert(arr.every((v, i) => i === 0 || arr[i-1]
• 若数据来自接口或用户输入，排序别省：arr.sort((a, b) => a - b)（数值）或 arr.sort()（纯字符串）
• 注意：JavaScript 中 [10, 2].sort() 得到 [10, 2]，必须传比较函数

正确处理边界与返回值语义

标准 binarySearch 返回索引或 -1，但很多场景需要的是“插入位置”或“首个/末位匹配下标”。比如统计某分数段人数，不能只看是否找到，而要看它在有序成绩数组中的左边界。

• 查存在性：直接判断 result !== -1
• 查插入点（如保持有序插入新元素）：当未找到时，left 就是应插入位置（迭代实现中）
• 找重复元素首/尾：需改写循环终止条件——例如找左边界时，right = mid 而非 mid - 1，并用 while (left

避免整数溢出与索引越界

尤其在大型数组（长度接近 2^31）或 C/Java 环境中，(left + right) / 2 可能溢出。JS 虽无整型溢出，但为统一习惯和可移植性，一律用安全写法。

• 中间点计算统一写成：const mid = left + Math.floor((right - left) / 2)
• 初始化 right 必须是 arr.length - 1（闭区间 [left, right]）或 arr.length（左闭右开 [left, right)），二者逻辑不同，不能混用
• 循环条件必须匹配区间定义：left 对应闭区间，<code>left 对应左闭右开

结合业务场景做轻量封装

不要每次手写 while 循环。针对高频需求封装小函数，既防错又提效。

• 查是否存在且返回布尔：function exists(arr, t) { return binarySearch(arr, t) >= 0; }
• 查大于等于目标的最小元素索引（lowerBound）：function lowerBound(arr, t) { /* 返回首个 ≥t 的下标，超界则返回 arr.length */ }
• 批量查多个值时，避免重复计算：先排序查询值，再双指针扫描有序数组，比逐个 binarySearch 更快