时间复杂度是算法执行时间随输入规模增长的趋势，用大O表示法描述。O(1)为常数时间，如数组索引访问；O(n)为线性时间，如遍历数组；O(n²)为平方时间，常见于嵌套循环；O(log n)为对数时间，如二分查找。JavaScript中，arr.push()和arr.pop()为O(1)，而arr.shift()和arr.unshift()为O(n)，因需重排索引；arr.includes()为O(n)；对象和Map的get、set操作平均为O(1)；字符串拼接频繁时应避免O(n²)复杂度，推荐使用数组join()。优化策略包括：避免嵌套循环，如用Set将两数组查重从O(n²)降为O(n)；缓存递归结果，如斐波那契记忆化从O(2^n)降至O(n)；利用哈希结构统计字符频次，避免多重遍历。编写高效JS代码需减少循环嵌套，优先使用Map、Set，避免数组头部操作和频繁字符串拼接，理解每行代码的性能代价。
在JavaScript开发中，理解算法的时间复杂度是提升代码性能的关键。时间复杂度描述的是算法执行时间随输入数据规模增长的变化趋势，它不关注具体运行时间，而是关注“增长量级”。掌握这一点，能帮助我们在面对不同场景时选择更合适的算法和数据结构。
什么是时间复杂度？
时间复杂度用大O符号（Big O notation）表示，比如 O(1)、O(n)、O(n²) 等。它衡量的是最坏情况下的执行次数上界。
例如：
- O(1)：无论数据多大，操作只执行一次，如数组通过索引访问元素。
- O(n)：执行次数与数据量成正比，如遍历数组。
- O(n²)：嵌套循环，每层都遍历全部元素，常见于暴力解法。
- O(log n)：每次操作都能排除一半数据，如二分查找。
常见JS操作的时间复杂度
JavaScript的内置方法背后依赖引擎实现，了解其复杂度有助于避免性能陷阱。
-
数组操作：
- arr.push() 和 arr.pop() 通常是 O(1)。
- arr.shift() 和 arr.unshift() 是 O(n)，因为需要重新索引所有元素。
- arr.indexOf() 或 arr.includes() 是 O(n)。
-
对象操作：
- 普通对象或Map的 get、set、has 操作平均为 O(1)。
- 字符串操作：
- 字符串拼接在大量使用时可能变为 O(n²)，推荐用数组收集后 join()，保持 O(n)。
如何优化常见算法场景
实际编码中，可通过调整结构降低复杂度。
- 避免嵌套循环：比如判断两个数组是否有相同元素，暴力双循环是 O(n²)，改用Set存储第一个数组，再遍历第二个查存在性，可降为 O(n)。
- 缓存重复计算：递归计算斐波那契数列时，不做记忆化是 O(2^n)，加入缓存后变为 O(n)。
- 利用哈希结构：统计字符频次时，用对象或Map代替多次遍历，将 O(n²) 降到 O(n)。
小结：写高效JS代码的关键
分析时间复杂度不是为了追求理论最优，而是培养对性能敏感的编程习惯。在处理大数据量或高频调用逻辑时，优先考虑：
- 减少不必要的循环嵌套。
- 善用Map、Set等高效集合类型。
- 警惕数组头部操作和频繁字符串拼接。
基本上就这些，清楚每行代码背后的代价，才能写出真正高效的JavaScript程序。
