Algorithm 这种对空间复杂性的描述准确吗？

我正在写一份报告，一位作者写了以下关于空间复杂性的部分：

空间复杂度是指某物占用的空间量。有两种方法可以查看指令和数据。 在今天的计算机中，指令空间或需要多少代码是两个中不那么重要的。 当存储空间极其昂贵且每个字符都被计算在内时，它应用得最多。如今，TB大小的硬盘驱动器使这一点变得不那么重要，但短代码仍然更具可读性，而且通常更快。 第二个，也是更重要的一个，是数据空间。这是运行算法所需的内存。随着算法的处理，它需要内存存储。如果在过程的每次迭代中处理的数据太多，可能会使计算机崩溃。 在所有条件相同的情况下，只需要很少指令和数据空间的算法是最好的

---

在我看来，这实际上是不正确的，因为处理器的缓存仍然有限，指令的大小仍然很重要。事实上，今天的算法更可能耗尽处理器缓存而不是RAM。然而，我不确定我的想法是否正确，我想在与撰写本节并要求编辑的作者提出这一点之前，先讨论一些具体的观点

指令空间不是空间复杂性的一个因素；它不随输入的大小而增长。@user2357112：“复杂性”不要求与输入的大小有任何关系。这仅仅是因为我们通常对复杂性感兴趣，复杂性确实会随着输入的大小而增长；但这可能具有欺骗性。需要1天+2毫秒/GB输入的算法比需要2秒/GB输入直到输入达到数十TB的算法具有更大的时间复杂度。@ruakh我理解你的意思（在现实世界中，系数很重要），但你不能改变“时间复杂度”的定义。你假设的两种算法的时间复杂度都是O（N）。@robmayoff:对不起，你完全错了。（事实上，这是一种非常有趣的方式：您的注释由三个语句组成，每个语句都完全正确，但注释作为一个整体是完全错误的！）简言之：大O表示法是一种非常有用的方式来谈论复杂性，但它根本不是定义的一部分。2n的时间复杂度与3n的时间复杂度不一样，即使两者都是O（n）。堆栈溢出非常美妙，但正如您从rob mayoff上面完全错误的评论的所有投票中所看到的，程序员对术语“堆栈溢出”有着非常普遍的误解，甚至包括非常高的代表性堆栈溢出用户。你在这里得到的答案将相应地被扭曲。CS Stack Exchange站点上的人员更可能知道实际定义并相应地回答。