javascript 中的大 O 表示法和函数式编程

Question

我正在尝试使用reduce() 理解和陈述以下算法的大 O 表示法。我的理解是reduce是一个应用于数组对象的函数。它接受一个回调和一个初始值。下面的代码是一个保存算法的控制器：

export const getPublicID = (req, res) => {
  const data = req.body.result;
  if (!data) res.status(422).json({ success: false, message: 'Upload Failed!' });
  console.time('ARRAY');
  const insertStuff = data.reduce((array, item) => {
    array.push({
      public_id: item.public_id,
      url: item.url,
      thumbnail_url: item.thumbnail_url
    });

    return array;
  }, []);
  console.timeEnd('ARRAY');

  Photo.insertMany(insertStuff)
    .then(
      img => res.status(201).json({
      success: true,
      message: 'Successfully added to database.',
      cloudinary: img
     }),
     err => res.status(422).json({ success: false, message: err })
    );
};

req.body.result 以对象数组的形式出现，通过 reduce 方法，我创建了自己的对象数组，然后将其插入到我的 MongoDB 集合中。 Reduce 正在遍历数组，所以我认为这是 O(n)，因为存在的元素越多，迭代所需的时间就越多，因此是一个线性图。如果这是正确的假设，我的三个问题是以下如何影响我的算法：

1. push()
2. insertMany()
3. 承诺

感谢您帮助数据结构和算法的菜鸟了解代码的优缺点，非常感谢！

Answer 1

Big O 描述了渐近性能，更具体地说，它给出了算法时间复杂度的上限。这意味着它不看函数需要多少实际时间，可能是 1 毫秒，也可能是 1 分钟，只看算法的效率。

O(n) 表示脚本将在线性时间内运行。 例如：

for(int i=0; i<n; ++i) {
   print(i);
}

现在，如果您需要再次通过该阵列运行，您将获得不同的性能。

O(n^2) = O n 平方 = 外环 (i) x 外环 (x)

for(int i=0; i<n; ++i) {
    for(int x=0; x<n; ++x) {
        print(x);
    }
}

现在看看你在做什么，你的分析走在了正确的轨道上，你在循环中没有循环，只是顺序循环。

有 push()，虽然它是由 reduce() 而不是 push() 决定的。 insertMany() 将承诺作为它的一部分。这不是一个额外的循环，只是一个正在执行的函数。

这意味着您有两个循环。有些人会说这给了你 O(2n)，但其他人声称没有这样的事情，也不会有所作为。

底线： 看看 Big O 的目的，它关注的增长率仍然是线性的，它仍然给你 O(n)。