复杂度分析（上）

时间复杂度：
大O时间复杂度表示法。大O时间复杂度实际上并不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势，所以大o时间也叫做渐进时间复杂度，简称时间复杂度。

分析代码时间度：
1.只关注循环执行次数最多的一段代码
2.总复杂度等于量级最大的那段代码的复杂度（其实也就是第一个方法）
3.嵌套代码的复杂度等于嵌套内外代码复杂度的乘积

常见的复杂度量级
常量阶O(1)：是一种表示方法，并不是只执行了一行代码，只要代码的执行时间不随n的增大而增大，都是常量阶
指数阶O(2^n)
对数阶O(logn)
线性阶O(n)
线性对数阶O(nlogn)
指数阶O(n^k)
阶乘阶O(n!)

空间复杂度：
与时间复杂度类似，表示算法的存储空间与数据规模之间的增长关系

时间复杂度为O(n)

总效率：

但是复杂度知识一个理论模型，只能粗略的分析，不能直接断定对数阶的算法一定优于线性阶的算法，针对不同的条件，性能才会有真的不同。