原文：https://www.freecodecamp.org/news/the-complexity-of-simple-algorithms-and-data-structures-in-javascript-11e25b29de1e/

译者：zhicheng

校对者：Chengjun.L

在之前的文章迈向计算科学的一步：JS 里的简易算法和数据结构里，我们讨论了简易的算法 (线性和二分搜索；冒泡、选择、插入排序) 以及数据结构 (数组、键值对对象)，这里将继续讨论算法和数据结构的复杂度概念及其应用。

复杂度

复杂度是衡量程序复杂程度的一个指标。对于算法和数据结构来讲，它代表运行指定任务(如搜索、排序、访问数据)花费的时间和空间 (计算所消耗的内存)。任务的执行效率取决于执行完整程序需要的操作数。

扔垃圾需要 3 步 (打包垃圾袋，拎出去，扔进垃圾桶里)。 扔垃圾很简单，但是如果扔装修一周后攒的垃圾，会发现不能完成这个简单的任务，因为垃圾桶空间不足 。

房屋吸尘需要一些重复的步骤 (打开开关，使用吸尘器头重复的在地板上刮扫，关闭开关)。越大的房间就需要在地板上刮扫越多次，房屋除尘也就要耗费越多的时间 。

执行的操作数和执行元素的数量有一定的关系。垃圾 (元素) 越多花费的时间越多。这就产生了空间复杂度问题。面积 (元素) 越大，吸尘器头刮扫的次数就越多，这就产生了时间复杂度问题。

不管是扔垃圾还是房间吸尘， 操作数 (O) 和 元素的数量 (n) 成正比。如果只有一个垃圾袋，那么一次只能携带一袋垃圾。如果有两个垃圾袋，那么同时就能携带两袋垃圾，当然这是在体力足以同时拎两袋垃圾的前提下。这些家务活的大 O 就是 O = n，也可以写成 O = function(n) 或者 O(n) 。在这里复杂度是线性的 (操作数和元素是一一对应的关系)，即 30 个操作对应 30 个元素 (上图的黄线)。

在算法和数据结构里情况是一样的。

搜索

线性搜索

元素搜索的最好情况是有序列表，假设要搜索的元素就在列表的第一项，这时复杂度是常数 O(1) 。因此，如果搜索的元素总是第一个被索引到，和列表长度无关，元素会当即被搜索到。搜索的复杂度是和列表长度相关的常数。这种搜索平均最坏的情况是线性复杂度 O(n)，换言之，n 个元素，要遍历 n 次才能找到，因此叫线性搜索。

二分搜索

对于二分搜索， 最好的情况也是 O(1) ，此时搜索的元素位于中点，平均最坏的情况是 n 以 2 为底的对数：

对数或者 log 是幂运算的逆运算。所以如果有 16 个元素 (n=16)，这时至少要花费，最坏情况下是 4，4 步就能找到数字 15 (基数 = 4)。

或者， O(log n)

排序

冒泡

在冒泡排序里，元素和剩下的元素集合对比来找更高的元素向上冒泡，所以，平均最坏的情况，复杂度是 O(n²) ，也就是嵌套循环。

每一个元素都要和剩下元素的集合进行对比，4 个元素一共对比 16 次 (4² = 16)。 最好的情况是集合除了一个元素外其余都已经排好序了，那么只需进行一轮对比，也就是说四个元素需要和集合里剩下的 3 个分别元素对比，复杂度也就是 O(n) 。

选择排序

和冒泡排序高值冒泡不同， 选择排序把最低值放在未排序元素的最前面，因为需要和剩下集合的每个元素对比，它的复杂度是 O(n²) 。

插值排序

和冒泡&选择排序不同， 插值排序把元素直接插入到正确的位置，和上一个排序一样，需要和集合里剩下的元素对比，因此平均最坏的复杂度 是 O(n²) 。和冒泡排序类似，如果只有一个元素需要排序，只需要一轮对比来把元素插入到正确的位置，复杂度为 O(n) 。

数据结构

数组

因为通过索引访问、添加或者删除末位数据元素只需要一步， 访问、推入、弹出数组里的值的复杂度是 O(1) ，因此，在数组里通过索引来线性搜索的复杂度是 O(n) 。

另外，在数组在前面 shift 或者 unshift 值需要重新索引 之后的每一个元素 (比如，移除索引为 0 的元素需要重新给索引为 1 的元素标记为 0，依次直到第四个)，它的复杂度是 O(n) ，需要重新标记所有元素。

健 - 值对对象

通过健访问、插入或者删除值是瞬间发生的，因此，复杂度是 O(1) 。通过索引健在 “存储箱” 中搜索特定的项目本质是线性搜索，因此它的复杂度是 O(n) 。

结论

复杂度不只是既定算法和数据结构里面的一个论题。运用恰当，它会是衡量代码的效率的一个利器。

推荐阅读：

原生JS实现DOM爆炸效果

Code Review 礼节

是哪些工具和资源帮我拿下第一份前端工作的？

点击阅读原文访问 freeCodeCamp 中文论坛的更多内容