常见的数据结构、常见的时间复杂度

目录

数据结构的意义

 常见的时间复杂度

常见的时间复杂度对应的应用场景

 常见的数据结构

 常见的数据结构的增删改查的时间复杂度 

---

数据结构的意义

• 数据量大：每天会有亿级数据产生，历史累计万亿级数据。
• 数据同时使用情况：用户量是百万级的，电商特殊抢购场景下，千亿级用户量同时使用。比如，大家抢同一件商品。
• 信息技术不断发展：CPU一次计算的时间是0.2ns~0.3ns，计算速度相当于每秒几十亿次。
• 数据结构的意义在于：合理规划数据，保证在大数据时代，在数据层面保持高速客观的数据操作（就是对数据的增删改查）。

 常见的时间复杂度

时间复杂度概念：x>1,x足够大的时候，想要达成某个数据操作目的，所需要计算的次数就是时间复杂度

• y = ax o(x) =>o(n)（常用，如：for循环）

• y = ax+b o(x) =>o(n)

• y = ax^2+bx o(x^2) =>o(n^2)（常用，如：两层for循环）

• y = ax^2+bx+c o(x^2) =>o(n^2)

• y = a o(1)

• a^y（a是常量） = x => y = X   o(logx) =>o(logn)

• 时间复杂度大小关系大致：o(1)<o(logn)<o(n)<o(nlogn)<o(n^2)<o(n^3)<...

• 证明下o(logn)时间复杂度有多快，一万亿 = 10^12 = 10^4*10^8 = 10^3 * 10^3 * 10^3 * 10^3 <2^10 *2^10 * 2^10 * 2^10 = 2^40所以x=a^y-->x=2^40 -->  y =