大O 表示法——用于表示空间复杂度与时间复杂度
本文主要以执行步数演示时间复杂度，不涉及空间复杂度
一、时间复杂度大致可以分为以下几个级别：(N为输入的规模或者数量)
- 1、O(1)：常数级别，无论输入多大，步数恒定，例如hash表的查找；
- 2、O(N):线性级别的，输入和步数正相关，例如遍历算法；
- 3、O(logN):对数级别，即输入每变大一倍，耗费步数+1，例如二分法；
-
- 解释：对数中的底数为2，默认省略，即2的m次方为输入N，则需要耗费的步数为m次。
- 4、O(N * logN)，例如快速排序（业界俗称快排）；
- 5、O(N²):平方级别，随着输入的变大所耗费的步数会成倍增加，例如双层for循环；
- 6、立方级别等等
!!!注意:
- 1、常数在大O表示法中会被忽略，例如常数级别中需要好几步(5步或者10步)，表示仍然为O(1)；而线性级别的也都表示为O(N);
- 2、大O表示法不像数学一样准确，会因为输入的方式不同而需要不一样的步数(即时间复杂度)，一般取耗费时间较多的那种(最坏情况)。
