在IT的世界，有两个特殊的单位，一个叫时间复杂度，另一个空间复杂度，这两个单位是对算法设计好坏的衡量标准。即都是越小越好。

空间复杂度

空间复杂度一般是比较好掌握，就是你申请的内存大小决定了你的空间复杂度，如果内存固定，那空间复杂度就是O(1),如果直接申请n块内存，空间复杂度就是O(n)

时间复杂度

时间复杂度一般是根据具体需求来进行算法实现的，所以比较多样性一点，同时也存在着很大的优化空间。常见的时间复杂度一般有以下几种：

常数阶O(1)

当算法中不涉及变量n，仅有常数就可以完成的，一般时间复杂度为O(1)；

线性阶O(n)

当算法中出现了循环执行的函数，且循环次数仅为n次，算法中也未出现递增数的乘法，这时候时间复杂度为O(n)；

对数阶O(logN)

当算法中出现循环执行的函数，且循环次数为n次，算法中也出现了递增数和常数的阶乘，这时候时间复杂度为O(logN)；

线性对数阶O(nlogN)

当算法中出现了循环函数的嵌套，且外函数循环次数为n次，内循环为对数阶循环的时候，这时候时间复杂度为O(nlogN)；

平方阶O(n²)

当算法中出现了嵌套循环函数，而且内外循环次数都是n的时候，这时候时间复杂度为O(n²)

立方阶O(n³)、K次方阶O(n^k)、指数阶(2^n)

参考上面的O(n²) 去理解就好了，O(n³)相当于三层n循环，其它的类似。

常见的算法时间复杂度由小到大依次为：Ο(1)＜Ο(logn)＜Ο(n)＜Ο(nlogn)＜O(n²)＜O(n³)＜…＜Ο(2^n)＜Ο(n!)