首先来说一下什么是时间复杂度：

（来源于百度百科）在计算机科学中，时间复杂性，又称时间复杂度，算法的时间复杂度是一个函数，它定性描述该算法的运行时间。这是一个代表算法输入值的字符串的长度的函数。时间复杂度常用大O符号表述，不包括这个函数的低阶项和首项系数。使用这种方式时，时间复杂度可被称为是渐近的，亦即考察输入值大小趋近无穷时的情况。

那如何判断时间复杂度是大是小呢？

时间复杂度的排序是O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(2^n) < O(n!) < O(n^n)。

那如何知道时间复杂度是哪一个级别的呢？

首先说O（1），这说明代码没有运行全部的代码，也没有循环查找，而是直接找到了自己需要的东西，例如，查找一行数据里的第五个数据，直接给出存储地址，不需要一个一个的取对比，直接去指定位置拿取数据的时间复杂度就是O(1)。

O(n)的复杂度就是有一个for循环，循环查找一个表里的内容，找到需要的内容后返回结果。如下图：

O(n^2)就是嵌套for循环，在for循环里在嵌套一个for循环，里边的循环全部循环一次，外边的循环循环一次，接着里边的循环在循环一次，是不是相当于运行了n*n次，如下图：

对数阶O（log n）通常是递归，一般情况下，用了递归的算法的时间复杂度，一般为O（log n）。

声明，这些算法是对时间复杂度的一个估值，不是确定的，但是这确实是对代码质量的一个衡量标准。

一般常见的时间复杂度需要的也就这几样，其它的复杂度对应在代码里的目前博主也不知道，如果哪天学会了，会再来更新本章博客的。