# o(1), o(n), o(logn), o(nlogn)区别

> 来源：梦飞idc云平台 | 原文：https://www.mfisp.com/13047.html | 发布：2022-11-23 | 更新：2022-11-23 | 分类：建站教程、投稿分享

在描述算法复杂度时,经常用到**o(1), o(n), o(logn), o(nlogn)**来表示对应算法的时间复杂度，这里进行归纳一下它们代表的含义:  
这是算法的时空复杂度的表示。不仅仅用于表示时间复杂度，也用于表示空间复杂度。  
O后面的括号中有一个函数，指明某个算法的耗时/耗空间与数据增长量之间的关系。其中的n代表输入数据的量。

 

比如时间复杂度为**O(n)**，就代表数据量增大几倍，耗时也增大几倍。比如常见的遍历算法。  
再比如时间复杂度**O(n2)**，就代表数据量增大n倍时，耗时增大n的平方倍，这是比线性更高的时间复杂度。比如冒泡排序，就是典型的O(n2)的算法，对n个数排序，需要扫描n×n次。  
再比如**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。  
**O(1)**就是最低的时空复杂度了，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(1), o(n), o(logn), o(nlogn)区别](https://www.mfisp.com/wp-content/uploads/2022/10/11048-apQ5nb.jpg)

---
本页由 梦飞idc云平台（https://www.mfisp.com）提供。站点导航见 https://www.mfisp.com/llms.txt