如何衡量程序运行的效率——复杂度

一 概述

        衡量代码的运行效率是一项工程师具备的非常重要的基本功。

二 复杂度的概述

        复杂度是衡量代码运行效率的重要度量因素，对于计算机而言，它是通过一个个程序去执行计算任务，也就是对输入数据进行加工处理，并且得到最终结果的过程。

        编写代码的核心就是完成计算。

        对于同一个计算任务，不同计算方法得到结果的过程复杂程度是不一样的。

        例如：需要在一个在线系统中实时处理数据，当系统平均每分钟新增３００Ｍ的数据量的时候，当我们的代码无法在一分钟内完成这３００Ｍ数据处理的时候，系统就出现异常。先是电脑执行的越来越慢，直到系统死机。

        出现这种问题的时候，我们先要从降低代码复杂度的角度进行处理，此时我们就需要考虑代码的时间复杂度和空间复杂度。

        对于计算机程序而言，他们所消耗的资源就是计算过程中需要的时间和空间。

        当然，对于程序对资源的消耗是无法用绝对量来衡量，因为不管是时间还是空间，他们所消耗的资源是和输入的数据量紧密相关的，准确的来说是紧密正相关的，即对于小的数据量来说，所消耗的资源自然就会少。

        为了更加客观的衡量消耗程度，我们通常会关注时间或者空间消耗与数据量之间的关系。

二　复杂度的具体表现

       根据复杂度的表现形式可以将复杂度理解为一个关于输入数据量为ｎ的函数，当你的代码复杂度为ｆ（ｎ）的时候，我们可以使用大写字母Ｏ和小括号将复杂度表示为Ｏ（ｆ（ｎ））。

        如O（ｎ）表示的是，复杂度与计算实例的个数ｎ线性相关；

             Ｏ（ｌｏｇｎ）则表示的是，复杂度与计算实例的个数ｎ对数相关。

四　复杂度的计算原则

•         首先，复杂度与具体的常系数无关，例如 O(n) 和 O(2n) 表示的是同样的复杂度。我们详细分析下，O(2n) 等于 O(n+n)，也等于 O(n) + O(n)。也就是说，一段 O(n) 复杂度的代码只是先后执行两遍 O(n)，其复杂度是一致的。
• 　　其次，多项式级的复杂度相加的时候，选择高者作为结果，例如 O(n²)+O(n) 和 O(n²) 表示的是同样的复杂度。具体分析一下就是，O(n²)+O(n) = O(n²+n)。随着 n 越来越大，二阶多项式的变化率是要比一阶多项式更大的。因此，只需要通过更大变化率的二阶多项式来表征复杂度就可以了。

        注意：O(1) 也是表示一个特殊复杂度，含义为某个任务通过有限可数的资源即可完成。此处有限可数的具体意义是，与输入数据量 n 无关。