我知道算法的运行时间用 Big O 或 Big omega 符号等表示，但我仍然无法弄清楚代码执行的时间以秒（或毫秒）为单位。例如，n=10^6，我们做 O(n)，那我怎么知道需要多长时间？我也明白，例如 for 循环中的其他语句也会影响运行时间，并且不同 CPU 上的时间可能不同。但通常在编码比赛中，我们有一个特定的时间，比如 2-5 秒，在这里我无法确定我的算法是否足够高效，或者是什么让我的代码变慢。谢谢！
【问题讨论】：
标签： performance seconds
这不是大 O 表示法的工作原理。它指的是添加“事物”时算法效率的缩放。
这不是一个绝对的时间，而是相对的。具有 O(n) 的 100 个项目将花费 10 个项目的 10 倍。 O(N^2) 意味着您期望 100 倍的差异。 (10 ^ 2 = 100, 100 ^ 2 = 10,000)
仅此而已。这是一种表达效率的方式，而不是计算运行时间。您仍然需要知道一个“操作”需要多长时间，这取决于处理器/架构。
另请参阅： What is a plain English explanation of "Big O" notation?
“Big-O 表示法是算法复杂度的相对表示。”
【讨论】：
O(n) 并不是真正用于测试时间。它更多的是对可扩展性的测试。有些东西可能需要一万亿次操作，但它仍然是 O(1)，因为无论输入的大小如何，它都需要 1 万亿次操作。
跨规模测试时间的唯一方法是实际运行它，看看不同大小的输入会发生什么。
【讨论】：
O-notation 的优势在于它与机器无关，它实际上是了解算法与其他算法相比是否有效的最佳指标。请注意，计算机每年都在变得更快，因此您现在获得的以秒为单位的具体速度测量值会随着时间而变化，但是使用 O 表示法，总是很清楚用 O(log n) 解决问题比用 O(log n) 解决问题要快得多O(n)。
但是您仍然有许多工具可以测量程序的（近似）速度执行时间。例如，在 Linux 中，您有 time 命令。然而，结果也将取决于许多其他变量（包括物理变量；例如，您的 CPU 温度可能会降低程序的性能）。由于环境的噪音，不可能测量给定算法的准确时间测量（而且它仍然没有用，因为它总是依赖于它所在的机器运行）。
【讨论】：