場(chǎng)景：三個(gè)人打牌，懷疑少牌。于是清牌，兩人開始正面分類，如果某種花色少
于四張則此花色少牌。我則提議數(shù)總數(shù)，少于五十四張就少牌了。

出于專業(yè)的關(guān)系，立馬聯(lián)想到這是個(gè)算法問題。判定是否少牌比少哪張牌需要的信息量少得多。

算法一：判定少哪張牌

kind = new dict(0) #每種花色張數(shù)初始值為0

for c in cards:
    kind[c] += 1

for k,v in kind:
    if v < 4:
        print(k+"缺"+(4 - v)+"張")

時(shí)間復(fù)雜度為O(n)，空間復(fù)雜的為O(n)。

算法二：是否少牌

sum(cards)< 54 

如果cards從文件中讀取，時(shí)間復(fù)雜度為O(n)，空間復(fù)雜度為O(1)。

還有個(gè)最重要的差距是并行化的難易程度，因?yàn)槲覀冇腥齻€(gè)人，相當(dāng)于三顆CPU。
算法一有一個(gè)共有數(shù)據(jù)kind字典，因此同步數(shù)據(jù)時(shí)，有鎖的問題。想要實(shí)現(xiàn)
lock-free，就要各自保存一份kind字典，最后歸總，空間復(fù)雜度和時(shí)間復(fù)雜度
與n成正比。相比之下算法二，天生lock-free很容易實(shí)現(xiàn)并行，并不會(huì)帶來多余
的復(fù)雜度。

提到這個(gè)問題是想說明，問題定義清晰能減少很多無用功。當(dāng)然在這里體現(xiàn)不明
顯，純屬閑的。