本文翻譯自程序員的問答社區(qū) stackexchange.com 上的一個(gè)問題。

提問：追求算法（特別是普遍高效的）已經(jīng)不再重要。

因?yàn)楝F(xiàn)在計(jì)算機(jī)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(jìn)算法的技能已經(jīng)不那么重要了？大部分時(shí)候，只要?jiǎng)e寫出一個(gè)死循環(huán)就行了。但當(dāng)你擁有了強(qiáng)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(dǎo)論（Introduction to Algorithms）》一書中的一個(gè)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(fù)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(gè)更大的常數(shù)因子，所以我們假設(shè) c₁ < c _2。

為了回答你的問題，我們?cè)谝慌_(tái)時(shí)髦的高速電腦 A 上跑「插入排序」算法，和一臺(tái)跑「歸并排序」算法的老土電腦 B 做對(duì)比。

我們假設(shè)：

• 輸入的問題數(shù)據(jù)量為 1,000萬個(gè)數(shù)字：n=10⁷;
• 電腦 A 一秒鐘可以執(zhí)行 10¹⁰ 次運(yùn)算指令 ( ~ 10GHz );
• 電腦 B 一秒鐘只能執(zhí)行 10⁷ 次運(yùn)算指令 （ ~ 10MHz );
• 常數(shù)系數(shù) C₁ = 2 （有點(diǎn)夸張），C₂ = 50 （比現(xiàn)實(shí)中稍微小了一點(diǎn)）

于是在以上假設(shè)下，我們得到如下結(jié)果：

電腦 A ：

2⋅(107)2 次運(yùn)算1010 次運(yùn)算/秒=2⋅104 秒

電腦 B :

50⋅107lg107 次運(yùn)算107 次運(yùn)算/秒≈1163 秒

所以你看，那部慢了1000倍的電腦，干活速度是快的那臺(tái)的17倍。而且在現(xiàn)實(shí)中，歸并算法有更高的效率，特別是隨計(jì)算量增加的而更加明顯。我希望這個(gè)答案能回答你的問題。

然而，這還不光是算法復(fù)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(gè)不太好對(duì)付的問題，因?yàn)殡S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(dāng)下對(duì)于算法的改進(jìn)和以前一樣重要，因?yàn)樵俣嗟腃PU內(nèi)核和再高的主頻都無法給你帶來和算法改進(jìn)一樣的回報(bào)。

Yuval Filmus 11票

正相反，隨著硬件越來越便宜，新的運(yùn)算需求正在增加。

首先，我們現(xiàn)在所需要面對(duì)和處理的數(shù)據(jù)正海量增加。這就要談到「準(zhǔn)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(shè)計(jì) —— 它們必須要處理巨量的請(qǐng)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(jī)器學(xué)習(xí)（machine learning）」的勢頭正猛，這就是一個(gè)算法的世界（可能和你大學(xué)本科學(xué)的不太一樣）。這個(gè)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(jì)算」已經(jīng)變得非常重要，現(xiàn)在我們?cè)贑PU主頻提升上已經(jīng)遇到了瓶頸。如今計(jì)算機(jī)性能只能通過并行計(jì)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(jìn)，大量虛擬機(jī)技術(shù)被用來抵御安全漏洞的威脅，操作系統(tǒng)花費(fèi)更多的時(shí)間和精力來處理安全威脅和警報(bào)，余下的CPU時(shí)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(fèi)CPU資源的視頻壓縮/解壓縮計(jì)算，雖然計(jì)算機(jī)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(duì)于大數(shù)據(jù)處理、人工智能領(lǐng)域、分布式計(jì)算來說，算法的改進(jìn)是不可或缺的；CPU 的運(yùn)算能力在脫韁野馬一般增長的需求面前，因?yàn)楦鞣N原因沒有得到有效的利用，算法的重要性離死還遠(yuǎn)著呢。

原文鏈接：http://cs.stackexchange.com/questions/15017/are-algorithms-and-efficiency-in-general-getting-less-important

譯文鏈接：http://junius.lofianima.com/post/algorithms-is-important