写在前面：

这里总结的很多常识只是根据当时的计算机发展水平来预估的，给大家提供一个大致的参考，存在过时的可能（我会不定时更新）。

eg：redis 读操作最高能达到 10W QPS，这个只是针对当下的计算机水平和固定的 redis 版本评估出来的，过几年突破 100w 也是有可能的。

0x00 计算机

• 从内存读取 1M 的数据需要 250 微秒，SSD 需要 4 倍的时间，磁盘需要 80 倍的时间。
• 从内存顺序读的速度是 4G/s
• 从 SSD 顺序读的速度是 1G/s，内存的 1/4
• 从磁盘顺序读的速度是 30M/s，SSD的 1/30
• 一个月有 2.5M（250万）秒
• 位运算：右移一位相当于除以 2，左移一位相当于乘以 2
• 有一些十进制数的小数无法转换成二进制数（0.1）
• 内存和 CPU 都是集成电路（IC）
• 8-bit string 就是 ASCII 编码的字符串

0x01 网络

• 从 1G 的以太网顺序读的速度是 100M/s
• 同一个数据中心内数据往返 2000次/s

0x02 数据库

• Redis 单机一般可以抗住读 100k QPS，写 80k QPS
• MySQL 单机一般可以抗住 5k 左右 QPS
• MySQL 单表大于 2000 万行或者大于 50-100G 就有压力
• MySQL 单实例存储到达 3-3.8T 时， 一般情况下就已经到达极限了
• Redis 集群单节点内存上限不能超过 20G

0x03 编程

• 带 log 的时间复杂度，一般都需要使用二分法或者二叉树等
• 使用循环可能性能更好，使用递归程序可能更容易理解
• 递归需要两个条件：基线条件（让递归停止）和递归条件（让递归继续执行）
• 两个算法的大 O 时间复杂度一样，并不代表这两种算法的效率一样（某个计算步骤可能非常耗时）
• 最短路径问题可以使用广度优先搜索算法完成
• 通常我们认为计算机可解决的问题只限于多项式时间内。而O(2ⁿ)、O(N!)这类非多项式级别的问题，其复杂度往往已经到了计算机都接受不了的程度。
• 动态规划要点是：找状态和状态转移方程，限制是：问题必须能够被分解成独立且不相关的子问题