代码优化常见技巧有哪些？

本文目录导读：

1. 算法与数据结构层面（收益最大）
2. 代码实现与语言特性层面（针对具体编码）
3. I/O 与外部资源访问（瓶颈常在此）
4. 并发与异步（利用多核）
5. 架构与设计层面（宏观优化）
6. 微优化（要谨慎使用，优先保证可读性）
7. 最重要的一点：避免过早优化

在保证正确性的前提下，提升运行速度、降低内存占用、提高可维护性，不同编程语言和场景的侧重点会有所不同，但以下是一些通用且常见的技巧,按类别整理供你参考：

算法与数据结构层面（收益最大）

这是最根本的优化,往往能带来数量级的提升。

1. 选择更优的算法

   • 降低复杂度：将冒泡排序（O(n²)）替换为快速排序（O(n log n)）；将线性查找（O(n)）替换为二分查找（O(log n)）,前提是数据已排序或使用哈希表。
   • 空间换时间：使用哈希表（字典/Map）将查找时间从 O(n) 降到 O(1)；使用缓存（Memoization）避免重复计算。

2. 选择合适的数据结构

   • 查找多：用哈希表（HashMap）或二叉搜索树（TreeMap）。
   • 顺序访问或频繁插入删除：链表（LinkedList）优于动态数组（如 ArrayList）,因为数组的中间插入需要移动元素。
   • 先进先出：使用队列。
   • 优先级处理：使用堆（Heap）。

代码实现与语言特性层面（针对具体编码）

这部分熟练掌握常见语言的特性非常重要。

1. 减少重复计算

   • 循环外提：将循环内不变的表达式提到循环外面。
     • 坏例子：for i in range(len(arr)): do_something(arr[i], len(arr))
     • 好例子：n = len(arr); for i in range(n): do_something(arr[i], n)
   • 缓存结果：对于昂贵的函数调用（如数据库查询、复杂计算），使用缓存（Memory Cache、functools.lru_cache 等）。

2. 减少内存分配与复制

   • 预分配内存：如果能预知集合大小，提前分配好容量（如 Java 的 new ArrayList<>(10000)，Python 的 [None] * n）。
   • 使用原地操作：在数组或列表上直接修改（list.sort()）而不是新建一个（sorted(list)）。
   • 避免隐式复制：在循环中拼接字符串时，用 StringBuilder（Java）/ string.join()（Python）而非 或 。

3. 循环优化

   • 减少函数调用：循环内的边界条件计算、对象属性访问等,尽量提取为局部变量。
   • 循环展开：减少循环控制开销（现代编译器常自动做，手写需谨慎）。
   • 更快的迭代方式：如 Java 中 for (int x : arr) 比索引访问可能更优化；在 Python 中列表推导式通常比显式 for 循环快。

4. 利用语言内置函数和库

   • 语言内置函数（如 C 实现的 map()、filter()、sort()）往往比手写的 Python 循环快得多。
   • 使用成熟的数值计算库（如 NumPy）代替手写复杂的矩阵运算。

I/O 与外部资源访问（瓶颈常在此）

1. 批处理

   • 减少 I/O 次数：不要逐行写入磁盘或发送网络请求，而是攒一批（如每 1000 条）再写。
   • 使用缓冲：读写文件时使用缓冲流（Buffer）,可以将多次小写入合并为一次大写入。

2. 延迟加载 / 懒加载

   只在真正需要时才创建对象、加载数据或建立连接，使用 Lazy Initialization 模式。

3. 连接池

   对于数据库、网络连接等昂贵资源，使用连接池复用,而不是每次请求都新建和销毁。

并发与异步（利用多核）

1. 并行处理：将独立的任务分解，使用多线程或多进程运行（注意 GIL 的影响）。
2. 异步 I/O：对于 I/O 密集型任务（如网络爬虫、Web 服务器），使用异步编程（async/await）避免线程阻塞,提高吞吐量。
3. 避免锁竞争：如果使用多线程，减少锁的粒度（如使用读写锁、无锁队列、CAS 操作）,或采用无锁数据结构。

架构与设计层面（宏观优化）

1. 懒加载 vs 预加载：根据数据访问模式决定，如果是必须的且耗时，可以启动时预加载；如果可能不需要,则懒加载。
2. 缓存策略：使用多级缓存（CPU 缓存、进程内缓存、分布式缓存如 Redis、CDN 等）。
3. 分治与分片：将大任务拆解为小任务并行处理（如 MapReduce 思想）。

微优化（要谨慎使用，优先保证可读性）

这些通常是最后才考虑的细节优化：

1. 位运算代替数学运算：x % 2 == 0 可写成 (x & 1) == 0；x * 2 可写成 x << 1。
2. switch/case 代替 if/else if：当分支较多时，大部分语言中 switch 的跳转表效率更高。
3. 字符串池化：在 Java 等语言中，使用 String.intern() 减少重复字符串内存（需权衡性能）。

最重要的一点：避免过早优化

《代码整洁之道》与《重构》等经典书籍反复强调：

1. 先写出正确、可读、可维护的代码。
2. 用性能分析工具（Profiler）找到真正的瓶颈（往往与直觉不符）。
3. 只优化瓶颈处的那 20% 的代码，它们通常决定了 80% 的性能。

示例流程： 写代码 -> 保持简洁 -> 运行发现卡顿 -> 使用 Profiler 定位到 Function A 消耗了 90% 的时间 -> 针对 Function A 的算法或数据结构进行优化 -> 重新测试验证。

希望这些分类能帮你在实际开发中更有针对性地优化代码，如果针对特定语言（如 Python、Java、C++）或场景（如 Web、游戏、数据处理）,可以进一步深入讨论。

标签： 常见技巧