大数据最新算法复杂度分析中的渐近分析（基于输入大小），爆火的大数据开发面试题-CSDN博客

本文链接：https://blog.csdn.net/2301_82243049/article/details/138923960

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。