空间复杂度的相关概念

1. 空间复杂度

空间复杂度（space complexity）用于衡量算法占用内存空间随着数据量变大时的增长趋势。

统计哪些空间：

● 暂存数据：用于保存算法运行过程中的各种常量、变量、对象等。
● 栈帧空间：用于保存调用函数的上下文数据。系统在每次调用函数时都会在栈顶部创建一个栈帧，函数返回后，栈帧空间会被释放。
● 指令空间：用于保存编译后的程序指令，在实际统计中通常忽略不计。

而与时间复杂度不同的是，我们通常只关注最差空间复杂度。这是因为内存空间是一项硬性要求，我们必须确保在所有输入数据下都有足够的内存空间预留。

2. 如何推算

最差空间复杂度中的“最差”有两层含义：
● 以最差输入数据为准：当 n<10 时，空间复杂度为 O(1) ；但当 n>10 时，初始化的数组 nums 占用 O(n) 空间，因此最差空间复杂度为 O(n) 。

function algorithm(n) {
   
    const a = 0;                   // O(1)
    const b = new Array(10000);    // O(1)
    if (n > 10) {
   
        const nums = new Array(n); // O(n)
    }
}

● 以算法运行中的峰值内存为准：例如，程序在执行最后一行之前，占用 O(1) 空间；当初始化数组 nums 时，程序占用 O(n) 空间，因此最差空间复杂度为 O(n) 。

function constFunc() {
   
    // 执行某些操作
    return 0;
}
/* 循环的空间复杂度为 O(1) */
function loop(n) {
   
    for (let i = 0; i < n; i++) {
   
        constFunc();
    }
}
/* 递归的空间复杂度为 O(n) */
function recur(n) {
   
    if (n === 1) return;
    return recur(n - 1);
}

在循环中每轮调用函数，会返回并释放掉栈帧空间，因此只会占用