开发层面：组件代码实现碎片化，存在多次开发的情况，质量难以保证；各端 代码 API 不统一，维护拓展成本较高，变更主题、适配 Dark Mode 等需求难 以实现。 ● 测试层面：重复走查，频繁回归，每次发版均需验证组件质量。 ● 产品层面：版本迭代效率低，版本需求吞吐量低，不具备业务的快速拓展能力。 1.2 外卖移动端 UI 一致性情况 近来年，美团外卖业务开始由发展期走入成熟期，这更要求对细分场景的快速迭代。 一致性建设可以帮助设计团队提升设计效率、沉淀设计语言以及 减少走查负担；让 RD 同学面对新项目时可以专注于业务需求，而无需把时间耗费在 组件的编写上；减少 QA 工作量，保证控件质量无需频繁的回归测试；帮助 PM 提高 版本迭代效率及版本需求吞吐量，提供业务的快速拓展能力。当然，我们除了希望制 作一流的产品，也希望可以让大家在繁忙的工作中得以喘息。我们会继续以设计语言 为依托，以工具链建设为抓手持续进行 引擎，该部分大小固定不变，但初始占比较高。 2. Flutter 业务与框架，该部分大小随着 Flutter 业务代码的增多而逐渐增加。它 是这样的一个曲线：初始增长速度极快，随着代码增多，增长速度逐渐减缓， 最终趋近线性增长。原因是 Flutter 有一个 Tree Shaking 机制，从 Main 方 法开始，逐级引用，最终没有被引用的代码，比如类和函数都会被裁剪掉。 一开始引入 Flutter 之后随便写一个业务，就会大量用到

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 10. 查找算法 151 10.1. 线性查找 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 10.2. 二分查找 次，算法运行时间随着 ? 增大成线性增长。此算法的时间复杂度被称为 「线性阶」。 ‧ 算法 C 中的打印操作需要循环 1000000 次，但运行时间仍与输入数据大小 ? 无关。因此 C 的时间复杂 度和 A 相同，仍为「常数阶」。 // 算法 A 时间复杂度：常数阶 function algorithm_A(n) { console.log(0); } // 算法 B 时间复杂度：线性阶 function 相比直接统计算法运行时间，时间复杂度分析的做法有什么好处呢？以及有什么不足？ 时间复杂度可以有效评估算法效率。算法 B 运行时间的增长是线性的，在 ? > 1 时慢于算法 A ，在 ? > 1000000 时慢于算法 C 。实质上，只要输入数据大小 ? 足够大，复杂度为「常数阶」的算法一定优于 「线性阶」的算法，这也正是时间增长趋势的含义。 时间复杂度的推算方法更加简便。在时间复杂度分析中，我们可以将统计「计算操作的运行时间」简化为统计

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 10. 查找算法 151 10.1. 线性查找 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 10.2. 二分查找 算法 A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为「常数阶」。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大成线性增长。此算法的时间复杂度被称为 「线性阶」。 ‧ 算法 C 中的打印操作需要循环 1000000 次，但运行时间仍与输入数据大小 ? 无关。因此 C 的时间复杂 度和 A 相同，仍为「常数阶」。 // 算法 A A 时间复杂度：常数阶 function algorithm_A(n: number): void { console.log(0); } // 算法 B 时间复杂度：线性阶 function algorithm_B(n: number): void { for (let i = 0; i < n; i++) { console.log(0); } } // 算法 C 时间复杂度：常数阶

是该求和函数的流程框图。 第 2 章 复杂度分析 hello‑algo.com 20 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 复杂度分析 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 void algorithmA(int n) { print(0); } // 算法 B 的时间复杂度：线性阶 void algorithmB(int n) { for (int i = 0; i < n; i++) { print(0); } } // 算法 C 的时间复杂度：常数阶 void A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

www.hello‑algo.com 20 图 2‑1 是该求和函数的流程框图。 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 复杂度分析 www.hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 void algorithmA(int n) { print(0); } // 算法 B 的时间复杂度：线性阶 void algorithmB(int n) { for (int i = 0; i < n; i++) { print(0); } } // 算法 C 的时间复杂度：常数阶 void A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

是该求和函数的流程框图。 第 2 章 复杂度分析 hello‑algo.com 20 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 function algorithm_A(n) { console.log(0); } // 算法 B 的时间复杂度：线性阶 function algorithm_B(n) { for (let i = 0; i < n; i++) { console.log(0); } } // 算法 C 的时间复杂度：常数阶 A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

是该求和函数的流程框图。 第 2 章 复杂度分析 hello‑algo.com 20 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 29 // 算法 A 的时间复杂度：常数阶 function algorithm_A(n: number): void { console.log(0); } // 算法 B 的时间复杂度：线性阶 function algorithm_B(n: number): void { for (let i = 0; i < n; i++) { console.log(0); } } // A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

www.hello‑algo.com 20 图 2‑1 是该求和函数的流程框图。 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 function algorithm_A(n) { console.log(0); } // 算法 B 的时间复杂度：线性阶 function algorithm_B(n) { for (let i = 0; i < n; i++) { console.log(0); } } // 算法 C 的时间复杂度：常数阶 A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

复杂度分析 hello‑algo.com 20 图 2‑1 是该求和函数的流程框图。 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 function algorithm_A(n) { console.log(0); } // 算法 B 的时间复杂度：线性阶 function algorithm_B(n) { for (let i = 0; i < n; i++) { console.log(0); } } // 算法 C 的时间复杂度：常数阶 A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7

复杂度分析 hello‑algo.com 20 图 2‑1 是该求和函数的流程框图。 图 2‑1 求和函数的流程框图 此求和函数的操作数量与输入数据大小 ? 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 复杂度分析 hello‑algo.com 29 // 算法 A 的时间复杂度：常数阶 void algorithmA(int n) { print(0); } // 算法 B 的时间复杂度：线性阶 void algorithmB(int n) { for (int i = 0; i < n; i++) { print(0); } } // 算法 C 的时间复杂度：常数阶 void A 只有 1 个打印操作，算法运行时间不随着 ? 增大而增长。我们称此算法的时间复杂度为“常数 阶”。 ‧ 算法 B 中的打印操作需要循环 ? 次，算法运行时间随着 ? 增大呈线性增长。此算法的时间复杂度被称 为“线性阶”。 ‧ 算法 C 中的打印操作需要循环 1000000 次，虽然运行时间很长，但它与输入数据大小 ? 无关。因此 C 的时间复杂度和 A 相同，仍为“常数阶”。 图 2‑7