用户不会对没有响应的应用程序有耐心，但ABAP报告中的性能问题可能只有在生产中转储时才会暴露出来，因为要在那里处理的数据非常庞大。那么，我们如何检查一个在开发和质量系统中具有可接受运行时间的过程对于较大的输入是否也具有可接受的响应时间呢？

首先让我们注意一下可接受的响应时间意味着什么。我们可能会同意在后台运行10小时的一次性提取过程，或者在数据迁移上下文中花一天时间处理100万个条目的报告，但否决一分钟等待单个记录的访问。

因此，仅运行时间并不是一个好的性能指标，我们应该将重点放在增长顺序比较上。但是算法的分析可能相当复杂，或者有一些许多人不熟悉的前提条件。然而，有一种经验估计方法，就像编写一个ABAP单元测试一样简单。

警告：在这里我们不能避免一些数学，但是在Covid19时代，手机免费建站，我希望你可能已经看到了解释为什么指数增长可能是不好的动画。

让我们假设我们有一个过程，店铺淘客怎么做，需要更多的时间和更大的输入（例如，更多的"行"像在这个具体的例子中的ABAP问题）。

从我们的优势点（软件），一元云购下载，运行时间T被描述为输入大小N（例如，"行"的数目）的函数T（N）。我们将这种依赖性建模为幂律

T（N）=cn^b

，其中c是一个常数。

由于公式相对简单，根据加倍假设，大数据的趋势，免费自助建站系统，通过比较T（N）和T（2N）可以很容易地估计出增长顺序b，b等于

log（T（2N）/T（N））/log（2）。

如果增长顺序b是2（二次）或更高，如果输入的大小不能保持在很小的范围内，那么你就有一场潜在的灾难。

我把这个逻辑作为一个单元测试来实现。通过使用b也等于

log（T（10 N）/T（N））。

在这种情况下，输入大小为1、10、100、1000。结果基于100的运行时和1000"行"的运行时之间的比较。因此，如果您可以将运行时作为输入集大小的函数来度量，那么您已经可以从两个度量中计算出增长估计的阶数了。

参考：R.Sedgewick，K.Wayne的Java编程简介

首次出版于https://www.informatikdv.de/a-cheap-performance-evaluation/