【软件质量】软件设计要考虑性能

超、凢脫俗 2022-11-12 10:56 214阅读 0赞

需要先明确大O表示法，即 O ( f ( n ) ) O(f(n)) O(f(n))。  
这里的O是order的意思，意为大约，而 f ( n ) f(n) f(n)代表函数规模。

大O是描述函数性能等价的一种简写，通过这种表示法我们能知道函数的执行步骤数量与输入规模之间的关系。

但是，大O并不是说范围是多少就执行到什么范围，尽管往往如此。

大O描述的是一个函数数量级的渐进上界。  
关于这个上界，学过高等数学的我们都知道，其实并不一定是“紧卡”的，即一个算出来 n 2 n^\{2\} n2复杂度的函数的复杂度也可以表示为 O ( n 3 ) O(n^\{3\}) O(n3)，这是没有问题的。  
当然，大O表示中的 f ( n ) f(n) f(n)越接近实际就越好，毕竟一个递归的斐波那契实现表示为[ O ( ( 5 3 ) n ) O((\\frac\{5\}\{3\})^\{n\}) O((35)n)][O _ _ 5 3 _ n _ O_frac_5_3_n_ O_35_n]总是要比 O ( 2 n ) O(2^\{n\}) O(2n)精确一些的。

另外，大O表示法强调的是数量级，比如 2 n 2^\{n\} 2n，比如 n 2 n^\{2\} n2，比如 log ⁡ n \\log\{n\} logn，写成 O ( 5 n 2 + 3 ) O(5n^\{2\}+3) O(5n2\+3)没意义。

接下来再说软件设计吧。

设计阶段，产品的性能(Performance)往往得不到重视，直到遇到性能测试才暴露出诸多性能问题，这是不好的。  
学过软件测试后我们都知道，随着开发的推进，修复Bug的代价越来越大。同理，改善产品性能的代价也原来越大。  
出众的性能和过硬的质量都来自于可靠的设计，而在开发过程中临时考虑性能或质量则是困难的。

有人说，之前人工智能搞不起来就是因为硬件支持的不够，现在硬件不值钱，堆硬件可以弥补性能。  
有一说一确实有点道理，但这并不是忽略性能问题的借口，性能的优化不能只依赖于后期的性能调优或大规模的重构。  
经常做OJ的话，大家都知道一个 O ( n 2 ) O(n^\{2\}) O(n2)的算法在大数据量情况下都是不可接受的，更何况 O ( 2 n ) O(2^\{n\}) O(2n)、 O ( n ! ) O(n!) O(n!)这种级别的算法，实在是糟透了。

尽量不要等到运行起来以后才去尝试大幅改进性能问题，性能问题应该在设计阶段就得到重视，好的算法应该在设计阶段被提出并得到实现。  
至于性能优化，那也是必须要做的，只不过不是这里要讨论的话题。

如果性能是在太差，那只能重构咯！

[O _ _ 5 3 _ n _ O_frac_5_3_n_ O_35_n]: https://blankspace.blog.csdn.net/article/details/102526429