判断一个算法的效率时，操作数量中的常数项和其他次要项常常可以忽略，只需要关注最高阶项就能得出结论。
如何用符号定性的判断算法的效率呢？
算法的复杂度：
时间复杂度：
算法运行后对时间需求量的定性描述。
空间复杂度：
算法运行后对空间复杂度的定性描述。
数据结构课程重点关注的是算法的效率问题，因此，整个课程会集中的讨论算法的时间复杂度，但其使用方法完全可以用于空间复杂度的判断。
大O表示法：
常见的时间复杂度：
线性时间复杂度：
对数阶时间复杂度：
平方阶时间复杂度：
下面代码片段的时间复杂度是什么：
练习1：
练习2：
func函数的时间复杂度是O(n*n)。
练习3：
test函数的时间复杂度为O(n*n*n)。
总结：
时间复杂度是算法运行时对于时间的需求量
大O表示法用于描述算法的时间复杂度
大O表示法只关注操作数量的最高次项
常见的时间复杂度为：线性阶、平方阶和对数阶。