网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
为什么要进行性能分析?
有许多重要的事情需要注意,例如用户友好性、模块化、安全性、可维护性等。为什么要担心性能?答案很简单,只有当我们有性能时,我们才能拥有上述所有东西。因此,性能就像货币,我们可以通过它购买上述所有东西。学习性能的另一个原因是——速度很有趣!总而言之,性能==规模。想象一下,一个文本编辑器可以加载 1000 个页面,但每分钟可以拼写检查 1 页,或者一个图像编辑器需要 1 小时才能将图像向左旋转 90 度,或者…你明白了。如果一个软件功能无法应对用户需要执行的任务规模,那么它就等于死了。
给定一个任务的两种算法,我们如何找出哪一种更好?
一种天真的方法是 - 实现两种算法并在计算机上运行两个程序以获得不同的输入,看看哪个花费更少的时间。这种方法在算法分析中存在许多问题。
- 对于某些输入,第一种算法的性能可能优于第二种算法。对于某些输入,第二表现更好。
- 对于某些输入,第一种算法在一台计算机上的性能更好,而第二种算法在另一台计算机上对于其他一些输入的性能更好。
渐进分析是在分析算法时处理上述问题的大思想。在渐近分析中,我们根据输入大小评估算法的性能(我们不测量实际运行时间)。我们计算算法所花费的时间(或空间)如何随着输入大小的增加而增加。
例如,让我们考虑排序数组中的搜索问题(搜索给定项目)。
上述搜索问题的解决方案包括:
- 线性搜索(增长顺序为线性)
- 二叉搜索(增长顺序是对数)。
为了理解渐近分析如何解决上述分析算法中提到的问题,
- 让我们说:
- 我们在快速计算机 A 上运行线性搜索,并且
- 在慢速计算机 B 和
- 选择两台计算机的常量值,以便它准确地告诉我们给定计算机在几秒钟内执行搜索所需的时间。
- 假设 A 的常数是 0.2,B 的常数是 1000,这意味着 A 比 B 强大 5000 倍。
- 对于输入数组大小 n 的小值,快速计算机可能需要更少的时间。
- 但是,在输入数组大小达到一定值后,与线性搜索相比,二叉搜索肯定会开始花费更少的时间,即使二叉搜索是在一台慢速机器上运行的。
输入大小 | 在 A 上的运行时间 | B 上的运行时间 |
---|---|---|
10 | 2 秒 | ~ 1 小时 |
100 | 20 秒 | ~ 1.8小时 |
10^6 | ~ 55.5 小时 | ~ 5.5小时 |
10^9 | ~ 6.3 年 | ~ 8.3小时 |
- 原因是二叉搜索相对于输入大小的增长顺序是对数的,而线性搜索的增长顺序是线性的。
- 因此,在输入大小的某个值之后,始终可以忽略与机器相关的常量。
此示例的运行时间:
- 线性搜索运行时间(以秒为单位):0.2 * n
- 二进制搜索运行时间(以秒为单位):1000*log(n)
渐近分析总是有效吗?
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**