o(1), o(n), o(logn), o(nlogn)对应的时间空间复杂度

举例:

1. 时间复杂度为o(1)
   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，都可以在一次计算后找到目标。hash算法的时间复杂度为o(1)

2. 时间复杂度为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

3. 时间复杂度O(n^2),就代表数据量增大n倍时，耗时增大n的平方倍，冒泡排序的时间复杂度度为O(n ^2)，对n个数排序，需要扫描n×n次

4. 时间复杂度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

5. 时间复杂度O(nlogn),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。