本文翻譯自程序員的問答社區(qū) stackexchange.com 上的一個提問：追求算法（特別是普遍高效的）已經(jīng)不再重要。因為現(xiàn)在計算機硬件的成本，比起以前已經(jīng)很便宜，是否意味著算法和改進算法的技能已經(jīng)不那么重要了？大部分時候，只要別寫出一個死循環(huán)就行了。但當你擁有了強悍的硬件，是不是意味著爛代碼也不是什么大問題？
Pavel Zaichenkov 11 票
我特別喜歡《算法導論（Introduction to Algorithms）》一書中的一個例子，以摧枯拉朽地方法說明了算法性能的重要性：
我們來比較兩種排序算法：「插入排序」和 「歸并排序」。他們的算法復雜度分別是 O(n2)=c1n2 和 O(nlogn)=c2n lg n。一般情況下，歸并排序算法有一個更大的常數(shù)因子，所以我們假設 c1 < c 2。
為了回答你的問題，我們在一臺時髦的高速電腦 A 上跑「插入排序」算法，和一臺跑「歸并排序」算法的老土電腦 B 做對比。
我們假設：
- 輸入的問題數(shù)據(jù)量為 1,000萬個數(shù)字：n=107;
- 電腦 A 一秒鐘可以執(zhí)行 1010 次運算指令 ( ~ 10GHz );
- 電腦 B 一秒鐘只能執(zhí)行 107 次運算指令 （ ~ 10MHz );
- 常數(shù)系數(shù) C1 = 2 （有點夸張），C2 = 50 （比現(xiàn)實中稍微小了一點）
于是在以上假設下，我們得到如下結(jié)果：
牛X電腦A:
給IE爪機用戶：
土鱉電腦 B ：
給IE爪機蛋友：
所以你看，那部慢了1000倍的電腦，干活速度是快的那臺的17倍。而且在現(xiàn)實中，歸并算法有更高的效率，特別是隨計算量增加的而更加明顯。我希望這個答案能回答你的問題。
然而，這還不光是算法復雜程度的問題。在今天，單單想通過提高CPU主頻來獲得很明顯的性能提升是不可能的。我們需要改良算法在多核CPU架構(gòu)下的表現(xiàn)。而且這是個不太好對付的問題，因為隨著內(nèi)核數(shù)量的增加，其他方面的開銷正在成為性能的障礙（比如內(nèi)存訪問調(diào)度控制）。所以，堆硬件很難獲得線性的性能增長。
總而言之，當下對于算法的改進和以前一樣重要，因為再多的CPU內(nèi)核和再高的主頻都無法給你帶來和算法改進一樣的回報。
Yuval Filmus 11票
正相反，隨著硬件越來越便宜，新的運算需求正在增加。
首先，我們現(xiàn)在所需要面對和處理的數(shù)據(jù)正海量增加。這就要談到「準線性算法（quasilinear time algorithms ）」和大數(shù)據(jù)研究的話題。比如想想搜索引擎的算法設計 —— 它們必須要處理巨量的請求，在茫茫數(shù)據(jù)中，快速地找到，返回結(jié)果，算法的效率比以前更加重要。
其次，「機器學習（machine learning）」的勢頭正猛，這就是一個算法的世界（可能和你大學本科學的不太一樣）。這個領(lǐng)域充滿荊棘，但也正是新的算法誕生的地方。
再者，「分布式計算」已經(jīng)變得非常重要，現(xiàn)在我們在CPU主頻提升上已經(jīng)遇到了瓶頸。如今計算機性能只能通過并行計算來獲得提升，這也是算法發(fā)揮力量的地方。
最后，為了平衡 CPU/GPU 性能的突飛猛進，大量虛擬機技術(shù)被用來抵御安全漏洞的威脅，操作系統(tǒng)花費更多的時間和精力來處理安全威脅和警報，余下的CPU時間才能真正用來做正經(jīng)事，這讓你的程序性能表現(xiàn)有所下降。特別是還有很耗費CPU資源的視頻壓縮/解壓縮計算，雖然計算機硬件性能與日俱增，但使用效率并沒有同樣提高。
總結(jié)一下，對于大數(shù)據(jù)處理、人工智能領(lǐng)域、分布式計算來說，算法的改進是不可或缺的；CPU 的運算能力在脫韁野馬一般增長的需求面前，因為各種原因沒有得到有效的利用，算法的重要性離死還遠著呢。
[via stackexchange]
推薦閱讀
諾基亞Lumia 620獲Mobile Choice雜志年度最具價值手機稱號
《Mobile Choice》是英國最權(quán)威的一本手機雜志，每年這本雜志都會評選>>>詳細閱讀
地址：http://www.sdlzkt.com/a/05/20131013/290454.html
網(wǎng)友點評
精彩導讀
科技快報
品牌展示