1.算法效率
我们应该如何来衡量一个算法的好或者坏呢？是算法运行的时间越短或者是算法越简洁就越优吗？其实并不是。
算法的复杂度
算法在编写成可执行程序后，运行时需要消耗时间资源和空间资源。因此衡量一个算法的好坏，一般是从时间和空间两个维度来衡量的，即时间复杂度和空间复杂度。
时间复杂度主要用来衡量一个算法运行的快慢，空间复杂度主要衡量一个算法运行时所需要的额外空间。在计算机发展的早期，计算机的存储容量很小。所以对空间复杂度很在乎。但经过计算机行业的迅速发展，计算机的存储容量已经达到了很高的程度。所以如今已经不需要再特别关注一个算法的空间复杂度。
2.时间复杂度
时间复杂度的概念：
在计算机科学中，算法的时间复杂度是一个函数，它定量的描述了该算法的运行时间。一个算法花费的时间与其中语句的执行次数成正比，算法中的基本操作的执行次数，为算法的时间复杂度。
即：找到某条基本语句与问题规模N之间的数学表达式，就是算出了该算法的时间复杂度。
看以下例子：
大O的渐进表示法
大O符号(Big O natation) : 是用于描述函数渐进行为的数学符号。
推导大O阶方法：
1.用常数1取代运行时间中所有加法常数。
2.在修改后的运行次数函数中，只保留最高阶项。
3.如果最高阶项存在且不为1，则去除与这个项目相乘的常数。得到的结果就是大O阶。
使用大O的渐进表示法以后，Func1的时间复杂度为：O(N^2)
通过上面我们会发现大O的渐进表示法去掉了那些对结果影响不大的项，简洁的表示出了执行次数。
另外有些算法的时间复杂度存在最好、平均和最坏情况：
最坏情况：任意输入规模的最大运行次数(上界)
平均情况：任意输入规模的期望运行次数
最好情况：任意输入规模的最小运行次数(下界)
例如：在一个长度为N数组中搜索一个数据x
最好情况：1次找到
最坏情况：N次找到
平均情况：N/2次找到
在实际中一般情况关注的是算法的最坏运行情况，所以数组中搜索数据时间复杂度为O(N)
常见的时间复杂度计算
3.空间复杂度
空间复杂度也是一个数学表达式，是对一个算法在运行过程中临时占用存储空间大小的度量。
空间复杂度不是算程序占用了多少字节的空间，而是算的变量的个数。空间复杂度计算规则与时间复杂度计算规则类似，也使用大O渐进表示法。
函数运行时所需要的栈空间(存储参数、局部变量、一些寄存器信息等)在编译期间已经确定好了，因此空间复杂度主要通过函数在运行时显式申请的额外空间来确定。
空间复杂度计算案例
常见复杂度对比
