空间复杂度分析

时间复杂度的全称是渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系

同理：空间复杂度全称就是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。

void print(int n) {
  int i = 0;//常量阶
  int[] a = new int[n];//O(n)
  for (i; i <n; ++i) {//O(n)
    a[i] = i * i;//O(n)
  }

  for (i = n-1; i >= 0; --i) {//O(n)
    print out a[i]//O(n)
  }
}
//总的空间复杂度是O(n)

常见的空间复杂度就是 O(1)、O(n)、O(n2 )，像 O(logn)、O(nlogn) 这样的对数阶复杂度平时都用不到

总结：

课后思考

有人说，我们项目之前都会进行性能测试，再做代码的时间复杂度、空间复杂度分析，是不是多此一举呢？而且，每段代码都分析一下时间复杂度、空间复杂度，是不是很浪费时间呢？你怎么看待这个问题呢？

个人解答：我觉得性能测试，再做代码的时间复杂度、空间复杂度分析不是多此一举，如果很熟练的情况下，在程序员码代码的时候就会刻意避开浪费时间和空间的操作，所以，前期的分析不仅仅对于系统而言是好的，不会写出很鸡肋并且低端的代码，于程序员而言来说也是一种发展。

此文章为5月Day3学习笔记，内容来源于极客时间《数据结构与算法之美》