一维数组查找效率取决于是否有序：顺序查找适用于无序或小规模数据，时间复杂度o(n)；二分查找要求严格有序，可达o(log n)，支持定位边界与范围，常配合预排序、哈希表或精度控制等策略优化。
一维数组是程序中存储同类型数据最基础的结构，而查找是其最常用操作之一。要实现高效查找，关键不在于“能不能找”，而在于“怎么找更快”——核心取决于数组是否有序，以及你对时间复杂度的要求。
顺序查找：简单直接，适用无序数组
当数组未排序或仅查找少量元素时，顺序查找最实用。它从头到尾逐个比对，逻辑清晰、无需预处理。
- 时间复杂度固定为 O(n)，最坏情况需遍历全部元素
- 适合小规模数据（比如长度几十以内）或动态插入频繁、难以维持有序的场景
- 代码简洁，边界判断只需检查下标是否越界，无需额外条件
二分查找：对数级提速，但要求严格有序
一旦数组升序（或降序）排列，二分查找就能把查找时间从 O(n) 降到 O(log n)。例如百万级数组，最多比较 20 次就能定位目标。
- 每次取中点比较，根据大小关系舍弃一半区间，反复缩小区间
- 必须确保数组已排序；若插入/删除后破坏顺序，需重新排序或改用其他结构
- 注意左右边界的写法差异：找左端点用 l = mid + 1 / r = mid，找右端点则用 l = mid / r = mid - 1，避免死循环
扩展应用：不止找存在，还能定位范围
二分不只是判断“有没有”，更能精准返回“在哪一段”。典型如查找某数值的首次和末次出现位置。
- 先用左边界二分找到第一个 ≥ 目标值的位置，验证是否相等
- 再用右边界二分找到最后一个 ≤ 目标值的位置
- 两结果组合即得起始与终止下标；若不匹配，直接返回 -1 -1
- 这种双二分模式广泛用于统计频次、区间合并、离散化映射等实际任务
辅助策略：让查找更灵活的常见做法
真实项目中，纯数组常配合其他手段提升查找体验：
- 对频繁查询但更新少的数据，预先排序 + 二分是最优解
- 若需支持增删查混合操作，可考虑哈希表替代；但一维数组仍作为底层存储（如 vector 的 data()）
- 浮点数场景（如求三次方根），二分同样适用——只需设定精度阈值代替相等判断
- 递归写法更易理解原理，迭代实现则更节省栈空间，两者逻辑一致
