全球观焦点：扎实打牢数据结构算法根基，从此不怕算法面试系列之week01 02-09 测试算法时间复杂度性能的方式方法

测试算法性能肯定不能自己手动声明创建数组了，在现代计算机上，对于O(n)级别的算法，都需要10W级别以上的数据才能看到性能，我们肯定不能手动声明10W个元素的数组吧？

【资料图】

所以，创建数组生成器。这里，自己创建一个数组生成器——ArrayGenerator。

package com.mosesmin.datastructure.week01.chap02;/** * @Misson&Goal 代码以交朋友、传福音 * @ClassName ArrayGenerator * @Description TODO 数组生成器 * @Author MosesMin * @Date 2023/4/14 * @Version 1.0 */public class ArrayGenerator {    private ArrayGenerator() {}    public static Integer[] generatedOrderedArray(int n){        Integer[] arr = new Integer[n];        for (int i = 0; i < n; i++)            arr[i] = i;        return arr;    }}

详细代码如注释：package com.mosesmin.datastructure.week01.chap02;

/** * @Misson&Goal 代码以交朋友、传福音 * @ClassName LinearSearch03 * @Description TODO * @Author MosesMin * @Date 2023/4/14 * @Version 1.0 */public class LinearSearch09 {    private LinearSearch09(){}    public static  int search(E [] data,E target){        for (int i = 0; i < data.length; i++)            if (data[i].equals(target))                return i;        return -1;    }    public static void main(String[] args) {        int n = 1000000;        Integer[] data = ArrayGenerator.generatedOrderedArray(n);// 10w的数据规模        long startTime = System.nanoTime();//单位是纳秒  纳秒-微妙-毫秒-秒 差距都是1000倍        for (int k=0;k<100;k++)            LinearSearch09.search(data,n);//这里为了验证最差的情况，就传一个找不到的目标元素100000        long endTime = System.nanoTime();        double time = (endTime-startTime)/(1000*1000*1000.0);// 最后1000.0，因为我们希望结果是个浮点数        System.out.println(time + " s");    }}

10W的数据规模，运行一次，在我的电脑（CPU为：Intel(R) Core(TM) i5-4570 CPU @ 3.20GHz 3.20 GHz）运行时间约为0.0027秒，即2.7毫秒。3毫秒，可能不够稳定，不一定是线性查找法运行的时间结果，因为操作系统也在运行，我们可以再试下使用更大的数据，比如使用100W的数据规模，看看它们运行的时间差是否为10倍左右。

运行结果：10W数据规模：

我们看到100W的运行结果约为6.6毫秒；几毫秒的运行结果还是不够稳。

100W数据规模：

我们再试下1000W的数据规模。我们看到1000w约为26毫秒；注：对于一般的计算机而言，1000W的数据规模已经是个够量的规模了。1000W数据规模：

我们还可以看一下1亿的规模，但是运行1亿的数据规模时，我的电脑运行了很久，将近20s时间，最终显示结果约为182毫秒。为什么实际上运行了20s时间呢？因为对于一般的计算机来说，开1亿个整型空间，尤其时1亿个连续的整型空间时需要一些时间的，特别是我的电脑配置不太高，i5的4代cpu（Intel(R) Core(TM) i5-4570 CPU @ 3.20GHz 3.20 GHz）。

1亿数据规模：

如果我们希望得到的时间更长一些，一个简单方法是，多做几次，这里，我们就用100W的数据规模，然后测试100次。100W的规模，执行100次，约为218毫秒。

100W数据规模运行100次：

1、优化一下输出log主要改动的语句为：

System.out.println("数据规模n为："+n+"，运行次数："+ num +"次，运行时间为：" + time + " s.");

优化后的代码如下：package com.mosesmin.datastructure.week01.chap02;

/** * @Misson&Goal 代码以交朋友、传福音 * @ClassName LinearSearch03 * @Description TODO * @Author MosesMin * @Date 2023/4/14 * @Version 1.0 */public class LinearSearch09 {    private LinearSearch09(){}    public static  int search(E [] data,E target){        for (int i = 0; i < data.length; i++)            if (data[i].equals(target))                return i;        return -1;    }    public static void main(String[] args) {        int n = 1000000;        Integer[] data = ArrayGenerator.generatedOrderedArray(n);// 10w的数据规模        long startTime = System.nanoTime();//单位是纳秒  纳秒-微妙-毫秒-秒 差距都是1000倍        int num = 100;        for (int k=0;k

2、创建数据规模数组，利用循环一次测试多个数据规模

int [] dataSize = {100000,1000000,10000000};for (int n:dataSize) {……}

添加数据规模数组后的代码如下：

package com.mosesmin.datastructure.week01.chap02;/** * @Misson&Goal 代码以交朋友、传福音 * @ClassName LinearSearch03 * @Description TODO * @Author MosesMin * @Date 2023/4/14 * @Version 1.0 */public class LinearSearch09 {    private LinearSearch09(){}    public static  int search(E [] data,E target){        for (int i = 0; i < data.length; i++)            if (data[i].equals(target))                return i;        return -1;    }    public static void main(String[] args) {        int [] dataSize = {100000,1000000,10000000};        for (int n:dataSize) {            Integer[] data = ArrayGenerator.generatedOrderedArray(n);// 10w的数据规模            long startTime = System.nanoTime();//单位是纳秒  纳秒-微妙-毫秒-秒 差距都是1000倍            int num = 100;            for (int k=0;k

创建一个数据规模数组，循环执行，可以看是10W、100W、1000W的运行时间差异确实约为10倍的差距。

ok，到这里，我们的测试方法讲解结束了，后续我们都可以用这样的方式来对不同的算法做测试。