n表示数据规模 O(f(n))表示运行算法所需执行的指令数，和f(n)成正比
严格讲：O(f(n))表示算法执行的上界 归并排序算法的时间复杂度是O(nlogn)，同时也是O(n^2) 在业界，我们就使用O来表示算法执行的最低上界，一般不说归并排序是O(n^2)
意义：二分查找法O(logn)：所需执行指令数：a*logn
O(logn + n) = O(n) // 不同量级取最大的 O(nlogn + n) = O(nlogn) O(n^2 + n) = O(n^2) O(a^2 + b) = O(a^2 + b) // 两个不同的变量不能省略
有一个字符串数组，将数组中的每一个字符串按照字母序排序，之后再将整个字符串数组按照字典序排序。整个操作的时间复杂度？
假设最长的字符串长度为s，数组中有n个字符串
对每个字符串排序：O(slogs)
将数组中的每一个字符串按照字母排序：O(n*slog(s))
将整个字符串数组按照字典序排序：O(s*nlog(n))
总：O(n*slog(s)) + O(s*nlog(n)) = O(n*s*(logs + logn))
插入排序最后情况可以O(n)，但平均情况下是O(n^2)
10^1:2e-6 s 10^2:2e-6 s 10^3:5e-6 s 10^4:4e-5 s 10^5:0.000403 s 10^6:0.004016 s 10^7:0.041024 s 10^8:0.414551 s 10^9:4.12745 s
要想在1秒内解决问题： O(n)：大概能处理10^8 O(nlogn)：大概能处理10^7 O(n^2)：大概能处理10^4