1. JavaScript 递归函数是什么？
递归的基本概念
递归函数是指在其定义中调用自身的函数，用来逐步将复杂问题分解为更小的同类问题。核心要点是自我调用、问题规模不断缩小、以及明确的停止条件，只有满足基准条件时才退出递归并返回结果。
在实际场景中，递归被广泛应用于树结构遍历、分治算法以及分形问题等领域。递归的表达通常更直观，代码结构更简洁，但同时对调用栈有直接影响，需要对栈深度有所考量。
function factorial(n){ if(n<=1) return 1; return n * factorial(n-1); }调用栈与执行上下文
每次进入一个函数，都会在调用栈中创建一个新的执行上下文与活动记录，递归调用会在栈中逐层积累。栈的深度决定了还能继续递归多少层，超出后会抛出错误。
随着递归层数增加，每个调用都需要额外的内存用于局部变量、参数和返回地址，这使得栈的使用呈线性增长。了解这一点有助于判断某个递归是否可控。
function sum(n){ if(n===0) return 0; return n + sum(n-1); }递归与循环的对比
从理论角度看，递归与循环在时间复杂度上往往相近，但在空间复杂度上差异显著，递归更容易受限于调用栈深度，而循环通常通过持续复用一个栈帧来实现更好的空间利用。
在实现时，若问题有明确的基准情况，优先考虑将递归转为等效的循环实现以避免栈溢出，尤其是在处理大规模输入时。
function factorialIter(n){ let res = 1; for(let i=2; i<=n; i++){ res *= i; } return res; }2. 栈溢出的原理与风险评估
栈溢出的原因
栈溢出通常发生在递归深度超过引擎对调用栈的默认限制时，栈帧过多造成内存不足，导致运行时异常中断执行。
在递归设计中，若没有严格的停止条件或缩小问题的策略，递归深度会快速扩大，最终触发最大调用栈大小被超出的情形。
function bad(n){ if(n>0) return n + bad(n-1); return 0; }引擎差异对栈深度的影响
不同的 JavaScript 引擎（如 V8、SpiderMonkey、JavaScriptCore）对栈深度有不同的默认上限，栈容量并非统一标准，这意味着同一段代码在不同浏览器中可能表现不同。
这类差异迫使开发者在跨环境场景下更加谨慎，不要依赖固定的栈深度假设，而是采用更具可控性的实现策略。
function depthTest(n){ if(n===0) return 1; return depthTest(n-1) + 1; }如何判断风险与调试
在遇到递归相关的问题时，可以通过观察错误信息中的RangeError: Maximum call stack size exceeded来定位栈深过大。伴随调试，关注输入规模与递归深度的关系。
结合性能分析工具，可以评估每次递归调用的栈帧开销，并在必要时引入替代实现；量化的递归深度阈值有助于决定是否要优化。
// 触发栈溢出的示例（简化场景）3. 避免栈溢出的实用方法
使用循环替代递归的实战
将能用循环解决的问题转为循环实现，是避免栈溢出最直接、最可靠的办法。循环通过一次性祖传的栈帧实现更稳定的内存表现。
下面以阶乘为例，展示循环实现与递归实现的对比：循环版本通常在大输入下表现更稳健。
function factorialIter(n){ let res = 1; for(let i=2; i<=n; i++){ res *= i; } return res; }尾递归与实际可行性
尾递归是指在递归调用之后没有进一步的运算，理论上可以通过尾调用优化（TCO）将栈帧复用掉。但在实际的 JavaScript 引擎中，尾调用优化并非在所有环境中实现，不能依赖它，因此需要谨慎对待。
若要编写尾递归版本，可将累积值作为参数传递，保持最后一步是一个直接返回的递归调用：
function sum(n, acc = 0){ if(n === 0) return acc; return sum(n-1, acc + n); }在缺乏可靠的 TCO 支持时，仍需考虑将其改写为循环或其他替代方案来确保可控性。
分块执行与 trampolines 的技巧
Trampoline 技术通过将递归调用转为返回“下一步动作”的函数兑现，避免了直接的深度调用。该模式在需要保留递归思路的同时，也能显著降低栈压力。
function trampoline(fn){ while(typeof fn === 'function'){ fn = fn(); } return fn; }\nfunction sum(n, acc = 0){ if(n === 0) return acc; return () => sum(n-1, acc+n); }\nconst result = trampoline(() => sum(100000, 0));分块执行与异步处理（Web Worker、setTimeout 等）
将大规模计算拆分成小块执行，借助事件循环让 UI 保持响应，既能避免浏览器“冻结”，也能降低单次调用造成的栈压力。适合 CPU 密集型任务的分步执行。
一个简单的分块思路是把递归步骤分成若干批次，在每批次结束后使用异步调度继续执行，从而保持交互性。
async function chunkedSum(n){ let acc = 0; while(n > 0){ const chunk = Math.min(n, 1000); for(let i=0; i setTimeout(r, 0)); } return acc; } 在 Web Worker 中处理大规模递归
将计算放入 Web Worker，可以在独立的线程中执行，避免阻塞主线程，同时也充足利用多核 CPU。这是一种降低 UI 阻塞与管理栈压力的实际方案。
// worker.js\nself.onmessage = function(e){ const n = e.data; let res = 1; for(let i=2; i<=n; i++){ res *= i; } self.postMessage(res); };// 主线程中创建 Worker\nconst worker = new Worker('worker.js');\nworker.onmessage = function(event){ console.log('结果:', event.data); };\nworker.postMessage(100000);通过上述方法，可以在保持递归思想的同时，避免栈溢出带来的风险，并且在某些场景下提升应用的响应性和稳定性。实际选择应结合问题规模、浏览器/环境特性以及性能需求。
