尾递归优化不改变时间复杂度但显著缩短执行时长，因其消除函数调用开销与栈帧管理成本，通过编译器转为jmp或循环实现O(1)内存分配，并依赖语言环境支持。
尾递归优化本身不改变时间复杂度，但能显著缩短实际执行时长——关键在于它消除了重复的函数调用开销和栈帧管理成本。
减少函数调用的底层开销
普通递归每次调用都要压栈：保存返回地址、参数、局部变量、寄存器状态等。这些操作在CPU层面涉及多次内存读写和指令跳转。尾递归优化后，编译器（如GCC开启-O2、Clang默认）会把递归调用替换成jmp指令或循环跳转，跳过压栈/弹栈全过程。实测中，深度万级的阶乘或斐波那契计算，尾递归版本通常比普通递归快1.5–3倍。
避免栈帧反复创建与销毁
非尾递归每层都新建独立栈帧，而尾递归允许复用同一栈帧。这意味着：
- 内存分配次数从 O(n) 降到 O(1)
- 缓存局部性更好，CPU预取更高效
- 没有栈帧释放带来的间接分支预测失败惩罚
依赖编译器或运行时支持
执行时长是否真正受益，取决于语言环境：
- C/C++/Rust：GCC/Clang/LLVM 在优化级别 ≥O2 下普遍启用尾递归消除
- Erlang/Elixir：强制尾调用优化，递归即循环，无性能折损
- Kotlin：tailrec 关键字触发编译期转为while循环
- Python/JavaScript（多数引擎）：不支持自动TCO，尾递归写法仍会栈溢出，时长反而可能略增（因额外参数传递）
对比普通递归的真实瓶颈
递归慢，主因不是“调用自身”这个动作，而是：
- 每层调用附带的上下文保存/恢复开销（占总耗时30%–60%）
- 深层递归引发的TLB miss和栈内存页分配延迟
- 分支预测失败导致流水线冲刷（尤其在递归终止条件判断处）
尾递归优化直击前两项，因此在深度较大（>1000层）或高频调用场景下，执行时长下降尤为明显。
