如何解决在 javaScript 中使用 performance.now() 方法时出现的问题？

任何编码人员，只要有足够的时间，都可以解决问题，唯一重要的是。性能在软件中起着非常重要的作用。性能好的网站可以吸引更多的用户，而性能相对较差或较差的网站则无法做到这一点。随着 JavaScript 在制作大型网站项目中的使用日益增加，确保我们的代码速度非常重要。但是如何确保代码足够快！通常，检查 JavaScript 中函数性能的最佳方法是内置的performance.now()方法。
为了衡量一个函数的性能，即一个函数需要多少时间执行或计算运行时间， performance.now() 方法被广泛使用。它返回自程序开始以来经过的时间。通过查看以下问题陈述，这个概念会更加清晰。
示例：我们将看到遍历 100000 个元素的数组需要多少时间。

• 程序：

javascript

/* Creating a massive array of 100000 elements*/
const array2 = new Array(100000).fill('Gfg');
const { performance } = require('perf_hooks');
 
/*Calculating the time time taken */
function calculatePerformance(array) {
    /*Before beginning the loop, calculating performance*/
    let t0 = performance.now();
    console.log(array)
    for (let i = 0; i < array.length; i++) {
        if (array[i] == 'Gfg') {
            console.log("Gfg is present in array");
        }
    }
    //Calculating performance after the loop is executed
    let t1 = performance.now();
 
    console.log("call to the above function took"
    + (t1 - t0) + "milliseconds");
}
calculatePerformance(array2);

• 输出：

call to the above function took1385.733816999942milliseconds

在上面的示例中，可以清楚地看到我们如何检查函数使用performance.now()的速度。此外，此方法返回一个浮点数，以毫秒为单位反映当前时间（精确到千分之一毫秒）。这是衡量函数性能的一种非常简单的技术。这个时间不是固定的，每次我们再次运行代码时它可能会改变。随着数组中元素数量的增加，函数变得更慢并且运行时间增加。如果我们在不同的计算机上运行相同的程序可能需要不同的时间，原因是 CPU。运行某项函数或执行某项任务所需的时间取决于 CPU 的强大程度，以及特定计算机上正在运行的其他程序。
performance.now() 的问题：这里会出现一个问题，因为如果两个人编写了完全相同的代码，我们不能断定运行时间较短的用户编写了更好的代码。这里需要大 O 表示法。
Big-O 表示法： Big O 用于衡量不同功能的性能。同一个问题可以有不同的解决方案，但在这些解决方案中，哪一个更好，更有效。这就是大 O 所说的。 Big O 不会在几秒钟内测量事物。相反，它关注的是运行时间随着操作数量的增加而增长的速度。它提供了计算功能性能的标准方法。
因此，对于上面的示例，即使运行时间可能因人而异，但为同一程序计算的 Big O 对每个人来说都是相同的。由于算法的运行时间可能在相同大小的不同输入之间有所不同。我们使用 Big -O 来计算最坏情况的时间复杂度，即给定大小的输入所需的最长时间。这就是我们计算不同函数的 Big O 的主要原因。
举个简单的解决魔方的例子，多久可以解决，因人而异，一个人可以在30秒内解决，另一个可能需要几个小时才能解决。我们可以定义最坏的情况，即一个人解决立方体所花费的最长时间。我们正在谈论的情况也是如此，Big-O 告诉最坏的时间，我们可以以标准方式估计函数的性能。对于同样的问题陈述，如果我们计算 Big-O，它将是 O(n)。这意味着运行时间将随着输入的大小线性增加，输入中的操作数越多，函数所花费的时间就越多。 Big-O 是一种更精确的计算性能的方法，因为它告诉最坏的情况，即函数执行所需的最长时间。
Big O 表示法的解决方案：通过查看给定的函数，我们可以看到数组的大小在计算函数的运行时并不重要。该函数将在O(1)时间内运行，也称为恒定时间。无论输入数组是由 1 个项目、100 个项目还是 1000 个项目组成，这个函数仍然只需要一步。

1. O(1)
2. O(1)
3. O(1)

因此，可以得出结论， Big-O是一种更精确的计算性能的方法，因为它告诉了最坏的情况，即函数将执行的最长时间，而且它给出了一个标准的解决方案，适用于相同类型的所有其他功能。