Co to jest memoization i kiedy pomaga?

Głębiej

Rozwinięcie krótkiej odpowiedzi — co zwykle ma znaczenie w praktyce:

• Kontekst (tagi): memoization, dynamic-programming, cache
• Złożoność: porównaj typowe operacje (średnio vs najgorzej).
• Inwarianty: co musi być zawsze prawdą, żeby struktura/algorytm działał poprawnie.
• Kiedy wybór jest zły: objawy w produkcji (latencja, GC, cache misses).
• Wytłumacz "dlaczego", nie tylko "co" (intuicja + konsekwencje).
• Trade-offy: co zyskujesz i co tracisz (czas, pamięć, złożoność, ryzyko).
• Edge-case’y: puste dane, duże dane, błędne dane, współbieżność.

Przykłady

Poniżej dodatkowy przykład (bazuje na tym, co już jest w odpowiedzi):

function fib(n: number, memo = new Map<number, number>()): number {
  if (n <= 1) return n;
  const cached = memo.get(n);
  if (cached !== undefined) return cached;

  const value = fib(n - 1, memo) + fib(n - 2, memo);
  memo.set(n, value);
  return value;
}

Typowe pułapki

• Zbyt ogólna odpowiedź (brak konkretów, brak przykładów).
• Brak rozróżnienia między "średnio" a "najgorzej" (np. złożoność).
• Pomijanie ograniczeń: pamięć, współbieżność, koszty sieci/dysku.

Pytania uzupełniające na rozmowie

• Kiedy zastosował(a)byś alternatywę i dlaczego?