• Java数据结构算法:算法的空间复杂度分析


    计算机的软硬件都经历了一个比较漫长的演变史,作为为运算提供环境的内存,更是如此,从早些时候的512k,经 历了1M,2M,4M…等,发展到现在的8G,甚至16G和32G,所以早期,算法在运行过程中对内存的占用情况也是 一个经常需要考虑的问题。我么可以用算法的空间复杂度来描述算法对内存的占用。

    一、java中常见内存占用

    1.基本数据类型内存占用情况:

    在这里插入图片描述

    2.计算机访问内存的方式都是一次一个字节:
    在这里插入图片描述

    3.一个引用(机器地址)需要8个字节表示:
    例如: Date date = new Date(),则date这个变量需要占用8个字节来表示

    4.创建一个对象,比如new Date(),除了Date对象内部存储的数据(例如年月日等信息)占用的内存,该对象本身也 有内存开销,每个对象的自身开销是16个字节,用来保存对象的头信息。

    5.一般内存的使用,如果不够8个字节,都会被自动填充为8字节:
    在这里插入图片描述

    6.java中数组被被限定为对象,他们一般都会因为记录长度而需要额外的内存,一个原始数据类型的数组一般需要 24字节的头信息(16个自己的对象开销,4字节用于保存长度以及4个填充字节)再加上保存值所需的内存。

    二、算法的空间复杂度

    了解了java的内存最基本的机制,就能够有效帮助我们估计大量程序的内存使用情况。
    算法的空间复杂度计算公式记作:S(n)=O(f(n)),其中n为输入规模,f(n)为语句关于n所占存储空间的函数。

    案例:
    对指定的数组元素进行反转,并返回反转的内容。

    解法一:

    public static int[] reverse1(
    int[] arr){ int n=arr.length;//申请4个字节 
    int temp;//申请4个字节 
    for(int start=0,end=n-1;start<=end;start++,end--){ 
        temp=arr[start]; 
        arr[start]=arr[end]; 
        arr[end]=temp; 
    }
    return arr; 
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    解法二:

    public static int[] reverse2(int[] arr){ 
    int n=arr.length;//申请4个字节 
    int[] temp=new int[n];//申请n*4个字节+数组自身头信息开销24个字节 
    for (int i = n-1; i >=0; i--) { temp[n-1-i]=arr[i]; }return temp; }
    
    • 1
    • 2
    • 3
    • 4

    忽略判断条件占用的内存,我们得出的内存占用情况如下:
    算法一:
    不管传入的数组大小为多少,始终额外申请4+4=8个字节;
    算法二:
    4+4n+24=4n+28;
    根据大O推导法则,算法一的空间复杂度为O(1),算法二的空间复杂度为O(n),所以从空间占用的角度讲,算法一要 优于算法二。

    由于java中有内存垃圾回收机制,并且jvm对程序的内存占用也有优化(例如即时编译),我们无法精确的评估一 个java程序的内存占用情况,但是了解了java的基本内存占用,使我们可以对java程序的内存占用情况进行估算。

    由于现在的计算机设备内存一般都比较大,基本上个人计算机都是4G起步,大的可以达到32G,所以内存占用一般情况下并不是我们算法的瓶颈,普通情况下直接说复杂度,默认为算法的时间复杂度。

    但是,如果你做的程序是嵌入式开发,尤其是一些传感器设备上的内置程序,由于这些设备的内存很小,一般为几 kb,这个时候对算法的空间复杂度就有要求了,但是一般做java开发的,基本上都是服务器开发,一般不存在这样的问题。

    本篇就到此,本文是2022数据结构算法教程里的课件文档,如需全套全新左神算法全系列课程,算法初级基础进阶大厂刷题体系课程等,请点击即可获取。

  • 相关阅读:
    网络安全(黑客)自学
    html网页如何获取后台数据库的数据(html + ajax + php + mysql)
    ctf工具之:mitmproxy实践测试
    Apache Hop Transforms Samples【持续完善中】
    基于SpringBoot+MyBatisPlus+DynamicDatasource+mysql的多数据源本地事务方案
    Dubbo 路由及负载均衡性能优化
    Flink-经典案例WordCount快速上手以及安装部署
    5、Nginx 配置实例-负载均衡
    软考高级之系统架构师之数据流图和流程图
    基于springboot实现休闲娱乐代理售票平台系统项目【项目源码+论文说明】
  • 原文地址:https://blog.csdn.net/shsxt_c0m/article/details/125409046