如何分析、统计算法的执行效率和资源消耗?
其实,数据结构和算法说到底,解决的是“快”和“省”的问题,即如何让代码运行得更快,如何让代码更省存储空间。所以,执行效率是算法的一个非常重要的考量指标,所以今天就主要总结一下能衡量算法代码执行效率的时间、空间复杂度分析。
1、为什么需要复杂度分析:
在日常的工作学习中我会想,我把代码跑一遍,通过统计、监控,就能得到算法执行的时间和占用的内存大小。为什么还要做时间空间复杂度分析呢?这种分析方法能比我实实在在跑一遍得到的数据更准确吗?
不过静下来认真思考一下,首先,我这种评估算法执行效率的方法肯定是正确的,但是,这种统计方法有非常大的局限性。
- a、测试结果非常依赖测试环境。
测试环境中硬件配置的不同会对测试结果有很大的影响。比如,拿同样一段代码,分别用Intel Core i9处理器和Intel Core i3处理器来运行,不用多说,i9处理器要比i3处理器执行的速度快很多。还有,比如原本在这台机器上a代码执行的速度比b代码快,等我们换到另外一台机器上时,可能会得到截然相反的结果。 - b、测试结果受数据规模的影响很大。
拿一个排序算法来举个例子。对同一个排序算法,待排序数据的有序度不一样,排序的执行时间就会有很大差别。极端情况下,如果数据已经是有序的了,那排序算法不需要做任何操作,执行时间就会非常短。除此之外,如果测试数据规模太小,测试结果可能无法真实地反映算法的性能。比如对