别用大 O 替代真实性能证据

综合数据规模、常数成本、内存、网络和用户等待判断是否值得优化。

L289

复杂度能预警规模增长后的风险，却不能告诉你当前慢在哪里。网络往返、磁盘读取、序列化和第三方服务常常比本地算法更贵。优化前要先定义用户可感知指标并测量。

这一课的结果

能区分增长风险与当前瓶颈，并为优化决定提出真实测量证据。

核心概念

用户等待包含排队、网络、计算和渲染，单看某个函数耗时可能错过主要瓶颈。

映射和缓存用更多内存换取更少重复计算，是否值得取决于命中率、更新频率和容量。

已知最多 20 项的设置列表不必为百万级优化；会持续增长的日志和向量集合则要提前设预算。

案例拆解

团队看到接口中存在排序就计划改算法，但 95% 延迟实际来自串行请求三个外部服务。

案例结果

用户等待显著下降，团队避免了对非瓶颈算法的无效重写。

提交前练习

为一个“感觉慢”的流程制定最小性能诊断方案。

用户指标 · 必填耗时分段 · 必填规模样本 · 必填优化门槛 · 必填

内容会自动保存在当前设备

查看参考答案与评分标准

指标是页面可交互时间 p95；分段是API、数据库、本地转换、渲染；规模是100、1,000、10,000 条；门槛是本地转换超过总时延 25% 且随规模超线性增长才重写。

本课收口 · 学习证据

确认阅读、保存练习，再用 30 秒检查和一句话总结留下真实学习证据。

0 / 3

02完成本课练习0 / 4 项必填内容已填写

03通过理解检查约 30 秒

判断一个接口慢在哪里，最可靠的第一步是什么？A先重写所有循环B分段测量端到端请求的主要耗时C只比较函数的大 O 符号

用自己的话写下一句本课结论至少再写 12 个字。

你现在更接近哪一种状态？

完成上面三项后，才能把本课记为已验证。

资料来源

本课内容最近更新于 2026-08-23。