时间空间复杂度
算法在编写成可执行程序后，运行时需要耗费时间资源和空间(内存)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。
时间复杂度主要衡量一个算法的运行快慢，而空间复杂度主要衡量一个算法运行所需要的额外空间。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是在乎。但是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。所以我们如今已经不需要再特别关注一个算法的空间复杂度。
时间复杂度
时间复杂度的定义：在计算机科学中，算法的时间复杂度是一个函数，它定量描述了该算法的运行时间。一个算法执行所耗费的时间，从理论上说，是不能算出来的，只有你把你的程序放在机器上跑起来，才能知道。但是我们需要每个算法都上机测试吗？是可以都上机测试，但是这很麻烦，所以才有了时间复杂度这个分析方式。一个算法所花费的时间与其中语句的执行次数成正比例，算法中的基本操作的执行次数，为算法的时间复杂度。
大 O 的渐进表示法
大O符号（Big O notation）：是用于描述函数渐进行为的数学符号。
推导大 O 阶方法：
- 所有常数都用常数1表示。
- 只保留最高阶项。
- 如果最高阶项存在且不是1，则去除与这个项的系数，得到的结果就是大O阶。
空间复杂度
空间复杂度也是一个数学表达式，它表示的是一个算法程序在运行过程中因为算法的需要额外开辟的空间。空间复杂度不是计算要开辟多少个字节的空间，而是计算变量的个数，因为常规情况下每个变量的大小差异不会很大，空间复杂度的计算规则和时间复杂度类似，也要用大O渐进表示法。
注意：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候显式申请的额外空间来确定。