Big-
O表示法的主要目的是让您像在帖子中所做的那样进行估算，并自己决定花费精力编写通常更高级的算法是否值得您付出额外的CPU周期。购买该代码的改进。根据情况，即使您的数据集相对较小，您也可能会得到不同的答案：

• 如果您在移动设备上运行，并且算法占执行时间的很大一部分，那么减少CPU使用量就可以延长电池寿命
• 如果您在一个全有或全无的竞争环境（例如高频交易系统）中运行，那么微观优化可能会在赚钱和亏损之间有所区别
• 当您的性能分析表明所讨论的算法在服务器环境中占据着执行时间时，切换到更快的算法可能会提高所有客户端的性能。

Big-O表示法隐藏的另一件事是常数乘法因子。例如，Quick Select具有非常合理的乘数，因此将其应用于非常大的数据集所节省的时间非常值得实施。

您需要记住的另一件事是空间的复杂性。通常，具有O(N*Log N) 时间复杂度的算法将具有O(Log N)空间复杂度。例如，当递归函数在堆栈容量有限的系统上运行时，这可能会给非常大的数据集带来问题。