1.名词解析
O(x):表示算法时空（时间/空间）的复杂度
O括号里的函数 x 表示：某个算法的耗时/耗空间与数据增长量之间的关系。其中O(n),O(n^2)等的 n 表示输入数据的量
2.O(1)
O(1)，即是最低的时空复杂度。即，耗时/耗空间与输入数据大小无关，无论输入数据增大多少倍，耗时/耗空间都不变
例：哈希算法，无论数据规模多大，都可以在一次计算后找到目标（不考虑冲突的话）
3.O(n)
时间复杂度为O(n)，就代表数据量增大几倍，耗时也增大几倍
例：遍历算法，找数组里最大或最小的值，需要把数组的 n 元素遍历一次，操作 n 次
4.O(n^2)
时间复杂度O(n^2)，就代表数据量增大n倍时，耗时增大n的平方倍
例：冒泡排序，双重for循坏，对n个数排序，需要扫描n×n次
5.O(log n)
当数据增大n倍时，耗时增大log n倍（这里的log是以2为底的，比如，当数据增大256倍时，耗时只增大8倍）
例：二分查找，每找一次排除一半的可能，256个数据中查找只要找8次就可以找到目标
6.O(n log n)
O(n log n)同理，就是n乘以log n，当数据增大256倍时，耗时增大256*8=2048倍
例：归并排序