Java算法中O(1),O(logn),O(n),O(nlogn),O(n2)是什么

O(1),O(logn),O(n),O(nlogn),O(n2)是用于表示算法的时间复杂度的一个函数。

时间复杂度常用大O符号表述，O后面的括号中有一个函数，指明某个算法的耗时/耗空间与数据增长量之间的关系，反应随着数据增值时间复杂度的渐变过程。

比如我们统计排序算法复杂度时的对比表：

常数阶O(1)
O(1)就是最低的时空复杂度了，也就是耗时/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。 哈希算法就是典型的O(1)时间复杂度，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）

对数阶O(logn)
O(logn)，当数据增大n倍时，耗时增大logn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，是比线性还要低的时间复杂度）。二分查找就是O(logn)的算法，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。

线性阶O(n)
O(n)，就代表数据量增大几倍，耗时也增大几倍。比如常见的遍历算法。

线性对数阶O(nlogn)
O(nlogn)同理，就是n乘以logn，当数据增大256倍时，耗时增大256*8=2048倍。这个复杂度高于线性低于平方。归并排序就是O(nlogn)的时间复杂度。

平方阶O(n2)
O(n^ 2)，就代表数据量增大n倍时，耗时增大n的平方倍，这是比线性更高的时间复杂度。比如冒泡排序，就是典型的O(n^2)的算法，对n个数排序，需要扫描n×n次。

立方阶O(n3),…，

k次方阶O(nk),

指数阶O(2n)。