直接回答：Fisher-Yates：从后往前遍历 i，把 a[i] 与 a[rand(0, i)] 交换，O(n) 时间 O(1) 空间。均匀性直观看：每个位置上的元素是从剩余元素中等概率选出的，全排列共 n! 种，算法的随机选择路径恰好也是 n! 条且一一对应，所以每种排列概率 1/n!。错误写法第一名：sort((a,b) => Math.random()-0.5)——比较器不稳定传递，排序算法的比较序列不可逆推均匀分布，实测某些位置偏好明显。
展开解析：第二类错误：rand(0, n-1) 全程从全部下标选（而非 rand(0, i)），产生 n^n 条路径不能整除 n!，必然不均（n=3 时 27 条路径对 6 种排列，无法等分）。第三类错误：取模偏差——rand() % m 当随机源上限不被 m 整除时低位数概率略高，安全场景用拒绝采样或语言的均匀接口。工程注意：随机源在安全场景（抽奖、密码学洗牌）必须用 CSPRNG；需要可复现（测试、回放）时用种子化 PRNG 并记录种子；分布式场景（多节点各自洗一部分再合并）会破坏均匀性，要么单点洗要么用可证明的分布式协议。验证手段：卡方检验统计各排列频次、或固定元素统计其位置分布。面试延伸：原地随机打乱等价于从排列群均匀采样；与 reservoir sampling 的关系——流式场景 k=n 时两者殊途同归，但洗牌要求全量数据在内存。
追问方向：如何用一个种子实现“确定性洗牌”便于测试？大数组洗牌如何并行化且保持均匀？
（约 460 字）