何时考虑java中的代码效率？

这些天，我在学校学习不同的Java代码效率（big-O）。 我不禁想知道，什么时候在真实世界编程中考虑代码效率。

这是程序员在PDL/Pseudo阶段考虑的问题吗？ 或者就在你写代码的时候

我很感激你的想法

请注意，下面的内容相当笼统，因为这个问题非常基本

在现实世界中，程序员往往在设计阶段关注效率，通常在以下情况下：

• 他们正在解决的问题是时间关键性的（例如：视频渲染和图像处理）
• 他们正在处理的数据量太大（例如：分析来自提要的数十亿个字符串）

除此之外，他们大多使用现成的方法和设计原则

在某些情况下，代码审查会捕获缺乏经验的开发人员的糟糕实现，并且会进行大量的返工和学习：）

有时，一些现有的实现是性能密集型的，并且由于各种原因（知识贫乏、时间限制、“当时是个好主意”、对问题的理解不清楚等）。在这种情况下，通常会对实现进行事后修复，在这些情况下，还会考虑更好的实现和效率

还请注意Knuth的名言：

我们应该忘记小效率，比如说97%的时间：过早优化是万恶之源。然而，我们不应该在这关键的3%中放弃我们的机会

及

在已建立的工程学科中，12%的改进是很容易获得的，从来没有被认为是边际的，我相信同样的观点应该在软件工程中盛行

因此，需要在时间投资、复杂性和优化之间取得平衡。要了解更多信息，请阅读。

注意，以下内容相当通用，因为这个问题非常基本

在现实世界中，程序员往往在设计阶段关注效率，通常在以下情况下：

• 他们正在解决的问题是时间关键性的（例如：视频渲染和图像处理）
• 他们正在处理的数据量太大（例如：分析来自提要的数十亿个字符串）

除此之外，他们大多使用现成的方法和设计原则

在某些情况下，代码审查会捕获缺乏经验的开发人员的糟糕实现，并且会进行大量的返工和学习：）

有时，一些现有的实现是性能密集型的，并且由于各种原因（知识贫乏、时间限制、“当时是个好主意”、对问题的理解不清楚等）。在这种情况下，通常会对实现进行事后修复，在这些情况下，还会考虑更好的实现和效率

还请注意Knuth的名言：

我们应该忘记小效率，比如说97%的时间：过早优化是万恶之源。然而，我们不应该在这关键的3%中放弃我们的机会

及

在已建立的工程学科中，12%的改进是很容易获得的，从来没有被认为是边际的，我相信同样的观点应该在软件工程中盛行

---

因此，需要在时间投资、复杂性和优化之间取得平衡。要了解更多信息，请阅读。

如果您在PDL阶段可以看到，对于非常大的n，复杂性将是O（2^n），甚至是O（n^2），那么您会再想一想，但即使如此，您也可能会对这些位进行原型化，以了解会发生什么

---

通常情况下，你会先把事情做好，因为在它正确之前，你无法真正判断它的速度有多快，然后你会使用探查器（例如，对于一个非常简单的例子）查看它实际在哪里消耗cpu，然后专注于这些位。

如果你能在PDL阶段看到复杂性将是O（2^n）甚至O（n^2）对于非常大的n，你们会再想一想，但即使这样，你们也可以对这些比特进行原型化，看看会发生什么

---

通常情况下，你会先把事情做好，因为在它正确之前，你无法真正判断它的速度有多快，然后你会使用探查器（例如，对于一个非常简单的例子）查看它实际在哪里消耗cpu，然后专注于这些位。

大O表示法是表示算法效率的一种很好的方法，但是，在企业系统中处理代码时，事情通常会变得更加复杂。从长远来看，系统的整体架构以及它所运行的基础设施可能会产生更大的影响（而且修复成本也更高），因为它们是错误的

---

当工程师使用性能分析器和其他工具识别出瓶颈，并希望在瓶颈所在的领域实现更高效的算法时，他们肯定会考虑（或考虑）大O表示法。

大O表示法是表示算法效率的一种很好的方法，但是，在企业系统中处理代码时，事情通常会变得更加复杂。从长远来看，系统的整体架构以及它所运行的基础设施可能会产生更大的影响（而且修复成本也更高），因为它们是错误的

---

当工程师使用性能分析器和其他工具识别出瓶颈，并希望在瓶颈所在的领域实现更高效的算法时，他们肯定会考虑（或考虑）大O符号。

我使用它在集合之间进行选择。剩下的时间我度量.StackOverflow是关于编程问题的问题。试着交换。只有在重要的时候。（令人惊讶的是）通常不重要。当你知道的时候，你应该考虑效率。