如何衡量JavaScript中解决问题的函数、循环的运行效率？

1. 带线性/指数曲线描述的核心概念：大O表示法 #

这是从数学层面衡量算法性能的统一标准，完全不依赖运行硬件、JS 引擎环境，只关注输入数据量增长时，代码耗时、内存占用的变化趋势，是提前判断代码优化空间的核心依据。
常见复杂度从优到劣排序如下：

• O(1)：常数复杂度，耗时不随输入数据量变化，比如直接读取数组指定下标的值
• O(log n)：对数复杂度，输入数据量翻倍时耗时仅增加固定值，典型实现为二分查找
• O(n)：线性复杂度，就是你提到的线性曲线，耗时和输入数据量完全成正比，比如单层循环遍历长度为n的数组
• O(n log n)：线性对数复杂度，常见于快速排序、归并排序等高效排序算法
• O(n²)：平方复杂度，输入数据量翻倍时耗时翻4倍，通常出现在两层嵌套循环的实现中
• O(2ⁿ)：指数复杂度，就是你提到的指数曲线，输入数据量每加1，耗时直接翻倍，属于性能极差的实现，常见于未优化的递归斐波那契数列实现

2. JavaScript 实测循环/函数运行速度的方法 #

如果要实际测试当前环境下代码的真实运行速度，可以用下面两种内置方法，不需要引入第三方工具：

方法1：console.time 快速测速 #

这是最简便的测试方式，代码示例：

// 启动名为test的计时器
console.time('test')
// 这里放入你要测试的循环/函数
for (let i = 0; i < 100000; i++) {
  // 你的业务逻辑
}
// 结束计时，直接在控制台输出耗时
console.timeEnd('test')

方法2：performance API 高精度测速 #

如果需要更高精度的计时结果，可以用performance API，代码示例：

const start = performance.now()
// 要测试的代码
targetFunction()
const end = performance.now()
console.log(`运行耗时：${end - start} 毫秒`)

测试注意事项 #

• 单次测试误差极高，建议将目标代码循环执行上千甚至上万次后取平均值，排除JS引擎JIT优化、系统资源调度的干扰
• 不要只看小数据量下的实测结果，复杂度才是决定大流量场景下性能的核心：比如O(n)的实现哪怕小数据量下比O(n²)慢1ms，当输入量涨到10万级时，性能会比O(n²)高上千倍
• JS引擎有大量隐式优化逻辑，不要仅凭主观判断写“优化代码”，所有优化效果都要以多轮实测结果为准

内容的提问来源于stack exchange，提问作者Fred