数据结构和算法本身是为了解决快和省的问题，我们希望代码运行快，并且希望节省存储空间，所以执行效率是一个很重要的考量指标，接下来要讲的是时间复杂度和空间复杂度
我们可以通过把代码跑一遍，然后通过统计，监控等得到算法执行事件和占用的内存空间大小，这种方法是事后统计法，有很大的局限性:
所以，我们需要用一个不需要具体的测试数据来测试，就可以粗略地估计算法的执行效率的方法，也就是时间，空间复杂度分析方法。
假设每行代码执行的时间都是一样，为unit_time时间，那么总的执行时间就是(2n+2)unit_time所有代码的执行时间T(n)和每行代码的执行次数f(n)成正比。
我们可以把这个规律总结成一个公式。注意，大 O 就要登场了！
大 O 时间复杂度实际上并不具体表示代码真正的执行时间，而是表示代码执行时间随数据规模增长的变化趋势，所以，也叫作渐进时间复杂度（asymptotic time complexity），简称时间复杂度。
只要代码的执行时间不随 n 的增大而增长，这样代码的时间复杂度我们都记作 O(1)。
时间复杂度的全称是渐进时间复杂度，表示算法的执行时间与数据规模之间的增长关系。类比一下，空间复杂度全称就是渐进空间复杂度（asymptotic space complexity），表示算法的存储空间与数据规模之间的增长关系。