牛X电脑A: 2·(107)2 次运算1010 次运算/秒=2·104 秒 给爪机用户：
土鳖电脑B ： 50·107lg107 次运算107 次运算/秒≈1163 秒 给爪机用户：
所以你看，那部慢了1000倍的电脑，干活速度是快的那台的17倍。而且在现实中，归并算法有更高的效率，特别是随计算量增加的而更加明显。我希望这个答案能回答你的问题。 然而，这还不光是算法复杂程度的问题。在今天，单单想通过提高CPU主频来获得很明显的性能提升是不可能的。我们需要改良算法在多核CPU架构下的表现。而且这是个不太好对付的问题，因为随着内核数量的增加，其他方面的开销正在成为性能的障碍（比如内存访问调度控制）。所以，堆硬件很难获得线性的性能增长。 总而言之，当下对于算法的改进和以前一样重要，因为再多的CPU内核和再高的主频都无法给你带来和算法改进一样的回报。 Yuval Filmus 11票：正相反，随着硬件越来越便宜，新的运算需求正在增加。 首先，我们现在所需要面对和处理的数据正海量增加。这就要谈到“准线性算法（quasilinear time algorithms）”和大数据研究的话题。比如想想搜索引擎的算法设计 ——它们必须要处理巨量的请求，在茫茫数据中，快速地找到，返回结果，算法的效率比以前更加重要。 其次，“机器学习（machine learning）”的势头正猛，这就是一个算法的世界（可能和你大学本科学的不太一样）。这个领域充满荆棘，但也正是新的算法诞生的地方。 再者，“分布式计算”已经变得非常重要，现在我们在CPU主频提升上已经遇到了瓶颈。如今计算机性能只能通过并行计算来获得提升，这也是算法发挥力量的地方。 最后，为了平衡 CPU/GPU 性能的突飞猛进，大量虚拟机技术被用来抵御安全漏洞的威胁，操作系统花费更多的时间和精力来处理安全威胁和警报，余下的CPU时间才能真正用来做正经事，这让你的程序性能表现有所下降。特别是还有很耗费CPU资源的视频压缩/解压缩计算，虽然计算机硬件性能与日俱增，但使用效率并没有同样提高。 总结一下，对于大数据处理、人工智能领域、分布式计算来说，算法的改进是不可或缺的；CPU 的运算能力在脱缰野马一般增长的需求面前，因为各种原因没有得到有效的利用，算法的重要性离死还远着呢。 备注：以上外文原文来自程序员的问答社区stackexchange.com上的一个问题。 |
