我们都知道，数据结构和算法本身解决的是“快”和“省”的问题，即如何让代码运行得更快，如何让代码更省存储空间。所以，执行效率是算法一个非常重要的考量指标。那如何来衡量你编写的算法代码的执行效率呢？这里就要用到我们今天要讲的内容：时间、空间复杂度分析。

不管小型公司还是大型互联网公司，很多项目债台高筑，新功能开发困难。其中一个很大的原因就是代码复杂，可读性差。Sonar开发团队曾上纲上线的戏称开发人员的7宗罪，其中很关键的一条就是“复杂度”。那复杂度有没有一个明确的衡量标准，我们又如何去解决代码的圈复杂度呢？今天我在这里和大家聊一下。

!(https://oscimg.oschina.net/oscnet/19a7428dd9c64d149aa474d3aabe80ce.png)点击上方“蓝字”关注我们散列（Hash）对于一组数据项，顺序查找的时间复杂度是O(n)，二分查找是O(logn)，而对于散列的数据结构，

新增的常用命令从列表右端插入值(1N个)（rpushlistkeycba）rpushkeyvalue1value2...valueN时间复杂度为O(1N)从列表左端插入值(1N个)（lpushlistkeycba）lpushkeyvalue1

1.两个list如果有重复元素(如List1:a,b,a List2:b,b,a)是无法通过包含关系来判断是否相等的.有两个办法,其一是两个List排序后再按顺序比较.另一个办法就是计算各元素的重复项再进行比较第一种方案劣势太明显,时间复杂度过大第二种以空间换时间,只需要遍历无需排序即可.///<summary

1、为什么MongoDB使用B树，而不是B树MongoDB是一种nosql，也存储在磁盘上，被设计用在数据模型简单，性能要求高的场合。性能要求高，我们看B树与B树的区别：_B树内节点不存储数据，所有data存储在叶节点导致查询时间复杂度固定为logn。

$Splay$的复杂度分析不论插入，删除还是访问，我们可以发现它们的复杂度都和$splay$操作的复杂度同阶，只是一点常数的区别我们不妨假设有$n$个点的$splay$，进行了$m$次$splay$操作采用势能分析我们记$w(x)\\left\\lceil\\log\_2(size(x))

线性表存储在计算机中可以采用多种方式，以下是按照顺序存储方式实现：优点：查找很方便缺点：插入元素、删除元素比较麻烦，时间复杂度O(n)1ifndefSeqList_h2defineSeqList_h3include<iostream4usingnamespacestd;

线段树（SegmentTree）是常用的维护区间信息的数据结构，它可以在O(logn)的时间复杂度下实现单点修改、区间修改、区间查询（区间求和、区间最大值或区间最小值）等操作，常用来解决RMQ问题。RMQ(RangeMinimum/MaximumQuery

平衡二叉搜索树平衡二叉搜索树（BalancedBinarySearchTree）的每个节点的左右子树高度差不超过1，它可以在O(logn)时间复杂度内完成插入、查找和删除操作，最早被提出的自平衡二叉搜索树是AVL树。AVL树在执行插入或删除操作后，会根据节