Modelos de complexidade

Big-O e complexidade temporal

Big-O expressa como o trabalho cresce em relação ao tamanho da entrada. O(1), O(log n), O(n), O(n log n) e O(n²) descrevem classes de crescimento, não duração em cronômetro. O analyzer compõe limites de loops suportados, operações conhecidas, chamadas seguras de código-fonte e recorrências selecionadas.

Estimativas também carregam garantias e hipóteses. Uma busca em hash pode ser O(1) esperada com códigos hash bem distribuídos e hashing/igualdade de custo constante; isso não é uma promessa incondicional de pior caso.

Complexidade espacial

Os diagnósticos públicos e relatórios atuais focam estimativas de tempo algorítmico e métricas estruturais/de tamanho. Eles não oferecem uma estimativa pública geral de espaço auxiliar. Operações com alocação, como materialização, podem ser reconhecidas como custosas, mas isso não equivale a uma análise completa de complexidade espacial.

Métricas estruturais

Complexidade ciclomática é independente de Big-O: um método de tempo constante pode conter muitos desvios. Complexidade cognitiva adiciona penalidades por quebras estruturais e aninhamento conforme a convenção documentada. Profundidade máxima mede profundidade, não quantidade de caminhos.

Tamanho e Halstead

NLOC, quantidade de statements, tokens e parâmetros são medidas de tamanho configuráveis por threshold. Métricas Halstead existem internamente como base para tooling e relatórios, mas ainda não há diagnóstico público de threshold Halstead.

Nenhuma métrica isolada comprova manutenibilidade. Use sinais combinados e examine o código e a evidência de cada resultado.