你有没有遇到过这种情况：手机App点一下半天没反应，或者电脑跑个数据处理跑到风扇狂转？很多时候，问题不在硬件，而在于背后的算法太“笨”。学会看算法效率，就像学会挑菜不买烂叶子，能帮你避开不少坑。
时间复杂度不是玄学
别被“复杂度”这个词吓住。它其实就是看程序运行时间随数据量增长的速度。比如你要在通讯录里找一个人，如果一个个翻，人越多花的时间越长，这就是典型的“线性增长”，记作 O(n)。但如果你的通讯录是按拼音排好的，用二分查找，那翻得就快多了，是 O(log n)。数据一大，差距立马显现。
空间也不能瞎占
有些程序跑得快，但吃内存特别狠。比如处理一张高清照片，非要先把所有像素全读进内存，再一步步处理，那手机可能直接卡死。这时候就得权衡——能不能边读边处理？能不能压缩中间结果？省点空间，程序才不会动不动就“内存不足”。
实际测试比理论更重要
纸上算得再漂亮，不如真跑一遍。写个小脚本，模拟100条、1万条、10万条数据，看看耗时和内存变化。如果从100到1万慢了100倍，那基本就是 O(n²) 的算法在作怪，得想办法优化。
举个生活中的例子
你用外卖App，高峰期几百万人同时下单。如果后台算法是“每来一单就遍历所有骑手找最近的”，那服务器早就瘫了。实际肯定是用更聪明的分区或索引策略，把搜索范围缩到极小。这背后，就是高效算法在撑着。
简单代码示例
下面是一个低效的查找方式：
for i in range(len(data)):\n for j in range(i+1, len(data)):\n if data[i] + data[j] == target:\n print(i, j)这是典型的 O(n²)。换成用字典存差值，可以降到 O(n)，响应速度快得多。
日常中怎么用这个思维
哪怕你不写代码，理解这点也能帮你选工具。比如选文件同步软件，有人宣传“秒传”，那它大概率用了哈希比对而不是整文件重传；选导航App，哪家路线更新快，说明它的路径算法更高效。懂点效率评估，选服务不再靠运气。