1 大O：數步數
數步數 為了統一描述，大O不關注算法所用的時間，只關注其所用的步數。
數組不論多大，讀取都只需1步。用大O記法來表示，就是：O（1） 很多人將其讀作“大O1”，也有些人讀成“1數量級”。一般讀成“O1”。雖然大O記法有很多種讀法，但寫法只有一種。
若用大O記法來描述一種處理一個N元素的數組需花N步的算法的效率，很簡單，就是O（N）。
2 常數時間與線性時間
大O解答的是這樣的問題：當數據增長時，步數如何變化？
O（N）算法所需的步數等於數據量，意思是當數組增加一個元素時，O（N）算法就要增加1步。而O（1）算法無論面對多大的數組，其步數都不變。
O（N）呈現為一條對角線。O（N）也被稱為線性時間。
O（1）則為一條水平線，O（1）也被稱為常數時間。
因為大O主要關注的是數據量變動時算法的性能變化,不管數據量怎樣變化，算法的步數都恆定，所以這也是常數時間，也可以表示為O（1）。
O（1）就是用來表示所有數據增長但步數不變的算法。
3 同一算法，不同場景
線性查找並不總是O（N）的。當要找的元素在數組末尾，那確實是O（N）。但如果它在數組開頭，1步就能找到的話，那么技術上來說應該是O（1）。所以概括來說，線性查找的最好情況是O（1），最壞情況是O（N）。大O記法一般都是指最壞情況。
4 第三種算法
二分查找的大O記法是：O（logN）我將其讀作“O log N”。歸於此類的算法，它們的時間復雜度都叫作對數時間。
簡單來說，O（logN）意味着該算法當數據量翻倍時，步數加1。
5 對數
log即是對數（logarithm）。
對數是指數的反函數
6 解釋O（log N）
當我們說O（logN）時，其實指的是O（log2N），不過為了方便就省略了2而已。
二分查找所干的事情。它就是不斷地將數組拆成兩半，直至范圍縮小到只剩你要找的那個元素。
簡單來說，O（logN）算法的步數等於二分數據直至元素剩余1個的次數。
每次數據量翻倍時，O（N）算法的步數也跟着翻倍，O（logN）算法卻只需加1。
參考:數據結構與算法圖解.3