写一个方法实现“归并排序算法”，并解释下时间复杂度和空间复杂度

归并排序是一种典型的分治思想的排序算法。它将一个大问题分解为两个小问题来解决，然后将两个小问题的结果合并起来得到最终答案。在归并排序中，我们将一个数组不断地二分，直到每个小数组只有一个元素（此时可以认为是有序的），然后将相邻的小数组归并成一个有序的大数组，直到最终得到一个完全有序的数组。

以下是一个使用JavaScript实现的归并排序算法：

function mergeSort(arr) {
    if (arr.length <= 1) {
        return arr;
    }
    const mid = Math.floor(arr.length / 2);
    const left = arr.slice(0, mid);
    const right = arr.slice(mid);
    return merge(mergeSort(left), mergeSort(right));
}

function merge(left, right) {
    let result = [];
    let leftIndex = 0;
    let rightIndex = 0;
    while (leftIndex < left.length && rightIndex < right.length) {
        if (left[leftIndex] < right[rightIndex]) {
            result.push(left[leftIndex++]);
        } else {
            result.push(right[rightIndex++]);
        }
    }
    return result.concat(left.slice(leftIndex)).concat(right.slice(rightIndex));
}

在这个实现中，mergeSort函数负责将数组不断地二分，直到每个小数组只有一个元素。然后，它调用merge函数将相邻的小数组归并成一个有序的大数组。merge函数通过比较左右两个小数组的元素，将较小的元素添加到结果数组中，直到其中一个数组的所有元素都被添加到结果数组中。最后，它将另一个数组剩余的元素添加到结果数组的末尾。

时间复杂度：归并排序的时间复杂度是O(nlogn)。这是因为我们将数组不断地二分，每次二分都需要遍历整个数组一次来进行归并操作。由于二分操作的次数是logn级别的，所以总的时间复杂度是O(nlogn)。

空间复杂度：归并排序的空间复杂度是O(n)。这是因为我们在归并过程中需要创建一个新的数组来存储归并结果。虽然每次归并操作结束后这个数组就会被释放，但在整个排序过程中，这个数组的最大大小会达到原数组的大小，所以空间复杂度是O(n)。如果考虑递归调用栈的空间，最坏情况下也是O(logn)，但通常这部分空间相对于O(n)的归并数组来说是可以忽略的。因此，我们通常说归并排序的空间复杂度是O(n)。