Big O notation（大 O 记号）是一种用来描述算法时间或空间复杂度增长趋势的记法，关注输入规模 \(n\) 变大时，运行时间/内存需求的上界（增长速度），常用于比较算法效率（如 \(O(n)\)、\(O(n\log n)\)、\(O(n^2)\)）。在不同语境下也可泛指“复杂度量级”。
Big O notation helps us compare algorithms by how fast they grow as input size increases.
大 O 记号帮助我们按输入规模增大时的增长速度来比较不同算法。
Although the constants are ignored in Big O notation, choosing an \(O(n\log n)\) approach over an \(O(n^2)\) one can dramatically improve performance on large datasets.
尽管大 O 记号会忽略常数项，但在大数据集上选择 \(O(n\log n)\) 而不是 \(O(n^2)\) 的方法，性能差异可能非常显著。
/ˌbɪɡ oʊ noʊˈteɪʃən/
“大 O 记号”源自数学中的兰道记号（Landau symbols），用于描述函数在极限情况下的增长阶。符号 O 来自德语 Ordnung（“阶、数量级”）的首字母。该记法在 19 世纪末由 Paul Bachmann 等人系统使用，后在计算机科学中被广泛采用，用来表达算法复杂度。
Select Language