算法复杂度分析是评估代码在不同数据规模下运行效率的基础手段。在JavaScript开发中，我们写的每一个循环、每一次递归调用，背后都对应着特定的计算资源消耗规律。掌握复杂度分析，不是为了背公式，而是能在动手写代码前就判断出某段逻辑会不会随着数据量变大而变慢甚至崩溃。
什么是大O表示法
大O表示法（Big O notation）用来描述算法执行时间或占用空间随输入规模n增长的渐近趋势。它忽略常数系数和低阶项，只保留主导部分。比如一段代码无论处理10个还是1000个元素，都只做固定次数操作，就是O(1)；如果操作次数和元素个数成正比，就是O(n)。
在JavaScript中，由于引擎优化、垃圾回收等机制存在，实际耗时并不等于复杂度，但复杂度能告诉我们“最坏会糟到什么程度”。例如下面这个函数，无论数组多大，只取第一个元素，属于典型常量时间：
function getFirst(arr) {
// 只访问索引0，步数不随数组长度变化
return arr[0];
}
// 时间复杂度 O(1)
而遍历整个数组求和，则随着长度线性增长，属于O(n)。大O让我们在写工具函数时有意识地区分这两种写法，尤其在数据可能膨胀的场景下。
常见时间复杂度类型
最基础的有O(1)、O(n)、O(n^2)和O(log n)。O(1)是理想状态；O(n)常见于单次遍历；O(n^2)多出现在嵌套循环中，比如冒泡排序；O(log n)则出现在二分查找这类每次减半搜索空间的算法中。
看一段嵌套循环的代码示例，它能直观展示平方级复杂度的产生：
function findDuplicates(list) {
const result = [];
// 外层遍历每个元素
for (let i = 0; i < list.length; i++) {
// 内层再次遍历，整体比较次数为 n * n
for (let j = i + 1; j < list.length; j++) {
if (list[i] === list[j]) {
result.push(list[i]);
}
}
}
return result;
}
// 时间复杂度 O(n^2)
当list长度为1000时，内部比较约五十万次；长度到一万时，就接近五千万次。这种写法在小数据量无感，但到了后台批量任务里就容易超时。相比之下，先用哈希表记录出现次数可将复杂度降为O(n)，这是复杂度分析指导优化的直接体现。
空间复杂度与递归
空间复杂度指算法运行所需的额外内存。在JavaScript里，声明变量、新建数组或对象都算额外空间。O(1)空间表示只用固定几个变量；O(n)空间可能是复制了一份输入数组。
递归函数容易带来O(n)的调用栈空间，甚至栈溢出。下面这个阶乘递归，每次调用都会在调用栈压入一帧：
function factorial(n) {
if (n <= 1) return 1;
// 递归深度为 n，调用栈空间 O(n)
return n * factorial(n - 1);
}
如果n过大，比如十万，浏览器会抛出最大调用栈错误。此时改用循环或尾递归优化（部分引擎支持）能缓解。理解空间复杂度，可以帮你在处理树形结构遍历或分治算法时，权衡是用递归的简洁还是用显式栈的稳妥。
数组方法背后的复杂度
JavaScript内置的数组方法复杂度并不都相同。push、pop通常是O(1)，而unshift、shift在部分引擎里是O(n)，因为要移动元素。indexOf和includes是O(n)线性查找，sort平均为O(n log n)。
在频繁操作队首数据的场景，用普通数组的shift可能拖累性能，此时可考虑链表结构或双端队列实现。示例如下，对比两种前端数据消费方式：
// 方式A：数组 shift，每次 O(n) const queue = [1, 2, 3, 4]; queue.shift(); // 方式B：用索引模拟，避免移动 let head = 0; const getData = () => queue[head++];
虽然方式B略显原始，但在高频消费队列时能有效降低隐性耗时。了解这些细节，是算法复杂度知识在JavaScript日常编码中的落地。
如何做简单复杂度估算
拿到一段代码，先数循环层数，再看循环次数是否依赖输入规模。单层依赖n的循环一般是O(n)；两层独立依赖n的嵌套就是O(n^2)；若循环变量每次乘二或除二，则是O(log n)。
还要注意隐藏复杂度，比如数组的flat、map都会遍历元素，链式调用多个数组方法可能让本可一次遍历的逻辑变成多次O(n)。把多个处理合并到一次reduce里，往往更可控：
const nums = [1, 2, 3, 4, 5];
// 一次遍历完成过滤与求和
const sum = nums.reduce((acc, v) => {
return v % 2 === 0 ? acc + v : acc;
}, 0);
// 相比 filter 再 reduce 的两次 O(n)，这里仅 O(n)
养成估算习惯后，在代码评审或写公共库时，就能主动避开明显低效的写法，让JavaScript应用在数据增长时依然保持响应速度。
JavaScript算法复杂度时间复杂度修改时间：2026-08-02 17:57:29