データ構造が性能を決定づける
`BitcoinExchange`プログラムのパフォーマンステストの結果を元に、データ構造の選択がいかに重要かをインタラクティブに探求します。データベースのサイズを操作して、処理速度の変化をその目で確かめてください。
パフォーマンスを体感する
下のスライダーでデータベースの行数（N）を増やしてみてください。効率的な`std::map` (`O(log N)`)と、非効率なリストでの線形探索 (`O(N)`) の処理時間がどのように変化するか、グラフとタイマーで比較できます。
効率的な設計 (`std::map`)
計算量: O(N log N) + O(log N)
非効率な設計 (線形探索)
計算量: O(N) + O(N)
結果の分析：なぜ差がつくのか？
データ量の増加
`std::map`の実行時間の増加
重要な発見：処理時間はデータ量に比例しない
シミュレーションが示す通り、データ量が500倍に増えても、`std::map`を使った効率的な設計の実行時間はわずか15.5倍程度の増加に留まります。これは、非効率な設計がデータ量にほぼ比例して遅くなるのとは対照的です。この「拡張性（スケーラビリティ）」こそが、`std::map`を選択した最大の理由です。
`std::map`の魔法：O(log N)
`std::map`は内部でデータを常にソートされた状態（平衡二分探索木）で保持します。これにより、データベースの読み込み(`O(N log N)`)は効率的に行われ、価格検索(`O(log N)`)はデータがどれだけ増えても一瞬で完了します。この対数的な性能が、非効率な線形探索(`O(N)`)との圧倒的な差を生み出しているのです。
結論：正しい選択が未来を決める
このテストは、`BitcoinExchange`プログラムの設計が高速かつ拡張性に優れていることを証明しました。適切なデータ構造を選択することは、プログラムが将来のデータ増加にも耐えうる、堅牢なシステムとなるための鍵なのです。