多维数组扁平化需据场景选递归或迭代：递归直观易懂但深嵌套易栈溢出；迭代用栈/队列规避溢出，适合超深嵌套或不可信数据；日常开发优先递归，高风险场景必选迭代。
多维数组扁平化，本质是把嵌套任意层的数组“一层层拆开”，最终得到一个只含原始值的一维数组。递归和迭代是两种主流实现思路，适用场景和底层逻辑不同，选错可能引发性能或稳定性问题。
递归方案：直观易懂，适合常规嵌套
递归利用函数自我调用，逐层进入子数组，遇到非数组元素就收集，是最符合人类直觉的写法。
- 核心逻辑：遍历每个元素 → 若为数组，递归处理该子数组 → 否则直接推入结果数组
- 支持深度控制：可传入 depth 参数（如
flatten(arr, 2)），与原生flat(2)行为一致 - 代码简洁，调试友好，新手容易上手
- 缺点：嵌套过深（比如 1000 层）时可能触发栈溢出（
RangeError: Maximum call stack size exceeded）
迭代方案：用栈/队列规避栈溢出，适合超深嵌套
迭代不依赖函数调用栈，而是用显式的数据结构（如数组模拟栈）暂存待处理项，通过循环逐步展开。
- 典型做法：初始化栈为
[arr]→ 循环弹出一项 → 若为数组，将其所有子项逆序压入栈（保持原顺序）→ 否则推入结果 - 完全避免递归调用，内存占用可控，适合处理动态生成的深层树形数据或用户输入的不可信嵌套结构
- 需要手动管理状态，逻辑略绕；结果顺序需注意（栈为 LIFO，常需
reverse()或改用队列） - 在 Web Worker 或服务端长时间运行场景中更稳健
怎么选？看实际约束
日常业务代码、嵌套不超过 10 层、可预估数据规模 → 优先用递归，清晰可靠；
处理日志、配置文件、用户上传的 JSON、或已知可能达百层以上 → 必须用迭代，防崩溃；
如果项目已用 Lodash，_.flattenDeep() 内部就是安全的迭代实现，可直接复用。
