通过Benchmark测试可分析Go函数时间复杂度，以Sum函数为例，编写基准测试并观察不同输入规模下执行时间的增长趋势，判断其为O(n)复杂度。
在Go语言中，使用Benchmark可以有效评估函数的性能表现，进而分析其时间复杂度。通过标准库testing提供的基准测试功能，我们能测量函数在不同输入规模下的执行时间，观察其增长趋势，判断是O(1)、O(n)、O(n²)还是其他复杂度类型。
编写基础Benchmark测试
要开始分析，先为待测函数编写基准测试。以一个简单的求和函数为例：
sum.go
func Sum(arr []int) int { total := 0 for _, v := range arr { total += v } return total }sum_test.go
立即学习“go语言免费学习笔记（深入）”；
func BenchmarkSum(b *testing.B) { for i := 0; i运行命令：go test -bench=.
输出类似：BenchmarkSum-8 100000000 15.2 ns/op
表示每次操作平均耗时15.2纳秒。
分析不同输入规模下的性能变化
要分析复杂度，需测试多个输入规模。修改Benchmark，逐步增加切片长度：
func BenchmarkSum(b *testing.B) { sizes := []int{10, 100, 1000, 10000} for _, n := range sizes { data := make([]int, n) for i := range data { data[i] = i + 1 } b.Run(fmt.Sprintf("Size_%d", n), func(b *testing.B) { for i := 0; i运行后输出会显示不同数据规模下的性能数据。如果时间大致随n线性增长，则说明是O(n)；若接近平方增长，可能是O(n²)。
结合内存分配分析空间复杂度
使用-benchmem参数可查看内存分配情况：
输出中包含allocs/op和bytes/op，可用于判断空间开销。例如频繁创建新切片的函数会表现出较高的内存分配次数，可能意味着O(n)空间复杂度。
绘制图表辅助判断复杂度趋势
将Benchmark结果导出为CSV或JSON格式（可通过脚本处理），用Python或Excel绘图。横轴为输入规模n，纵轴为每操作耗时（ns/op）。观察曲线形状：
- 水平线 → O(1)
- 直线 → O(n)
- 抛物线 → O(n²)
- 对数增长 → O(log n)
这种可视化方式能更直观地识别算法行为。
基本上就这些。Golang的Benchmark机制简单但强大，配合多规模测试和外部分析工具，足以对函数的时间与空间复杂度做出合理推断。关键是设计好测试用例，覆盖足够广的输入范围，并关注性能随规模的增长模式。
