在描述算法时通常用o(1), o(n), o(logn), o(nlogn) 来说明时间复杂度
o(1)：是最低的时空复杂度，也就是耗时/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。 哈希算法就是典型的O(1)时间复杂度，无论数据规模多大，都可以在一次计算后找到目标（不考虑冲突的话）
O(n)：代表数据量增大几倍，耗时也增大几倍。(n)代表输入的数据量，比如 常见的遍历算法
O(n^2)：代表数据量增大n倍，时间复杂度就是n的平方倍，比如 冒泡排序，就是典型的O(n^2)的算法 ，对n个数排序，需要扫描n×n次。
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
O(nlogn)：同理，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 。