接下來幾篇文章會介紹linux內核是如何調度進程的，在學習內核進程調度之前有必要搞懂這些準備知識！
相信很多開發的同伴們在研究算法、排序的時候經常會碰到O(1)，O(n)，O(logn)，O(nlogn)這些複雜度，看到這裡就會有個疑惑，這個O(N)到底代表什麼呢？帶著好奇開始今天文章。
首先o(1), o(n), o(logn), o(nlogn)是用來表示對應算法的時間複雜度,這是算法的時間複雜度的表示。不僅僅用於表示時間複雜度，也用於表示空間複雜度。
算法複雜度分為時間複雜度和空間複雜度。其作用：
時間複雜度是指執行這個算法所需要的計算工作量；
空間複雜度是指執行這個算法所需要的內存空間；
時間和空間都是計算機資源的重要體現，而算法的複雜性就是體現在運行該算法時的計算機所需的資源多少；
O後面的括號中有一個函數，指明某個算法的耗時/耗空間與數據增長量之間的關係。其中的n代表輸入數據的量。
時間複雜度為O(n)—線性階，就代表數據量增大幾倍，耗時也增大幾倍。比如常見的遍歷算法。
<code>//循環遍歷N次即可得到結果/<code><code>count = 0;/<code><code>for(int i = 0;i < 10 ; i ++){/<code><code> count ++;/<code><code>}/<code>時間複雜度O(n^2)—平方階, 就代表數據量增大n倍時，耗時增大n的平方倍，這是比線性更高的時間複雜度。比如冒泡排序，就是典型的O(n x n)的算法，對n個數排序，需要掃描n x n次。
<code> for(int i =1;i<arr.length><code> for(int j=0;j<arr.length-i><code> if(arr[j]>arr[j+1]) {/<code><code> int temp = arr[j];/<code><code> arr[j]=arr[j+1];/<code><code> arr[j+1]=temp;/<code><code> }/<code><code> } /<code><code>}/<code><code>//整體複雜度n*(n-1)/<code>/<arr.length-i>/<code>/<arr.length>/<code>時間複雜度O(logn)—對數階，當數據增大n倍時，耗時增大logn倍（這裡的log是以2為底的，比如，當數據增大256倍時，耗時只增大8倍，是比線性還要低的時間複雜度）。二分查找就是O(logn)的算法，每找一次排除一半的可能，256個數據中查找只要找8次就可以找到目標。
<code>int binarySearch(int a[], int key) {/<code><code> int low = 0;/<code><code> int high = a.length - 1;/<code><code> while (low <= high) {/<code><code> int mid = low + (high - low) / 2;/<code><code> if (a[mid] > key)/<code><code> high = mid - 1;/<code><code> else if (a[mid] < key)/<code><code> low = mid + 1;/<code><code> else/<code><code> return mid;/<code><code> }/<code><code> return -1;/<code><code>}/<code>時間複雜度O(nlogn)—線性對數階，就是n乘以logn，當數據增大256倍時，耗時增大256*8=2048倍。這個複雜度高於線性低於平方。歸併排序就是O(nlogn)的時間複雜度。
<code>public void mergeSort(int[] arr, int p, int q){/<code><code> if(p >= q) {/<code><code> return/<code><code> };/<code><code> int mid = (p+q)/2;/<code><code> mergeSort(arr, p, mid);/<code><code> mergeSort(arr, mid+1,q);/<code><code> merge(arr, p, mid, q);/<code><code>}/<code><code>private void merge(int[] arr, int p, int mid, int q){/<code><code> int temp = new int[arr.length]; //此處將數組設為全局變量，否則每次都要創建一遍。/<code><code> int i = p, j = mid+1，iter = p;/<code><code> while(i <= mid && j <= q){/<code><code> if(arr[i] <= arr[j]) {/<code><code> temp[iter++] = arr[i++]；/<code><code> } else{/<code><code> temp[iter++] = arr[j++];/<code><code> } /<code><code> }/<code>
<code> while(i <= mid) {/<code><code> temp[iter++] = arr[i++];/<code><code> }/<code>
<code> while(j <= q){/<code><code> temp[iter++] = arr[j++];/<code><code> }/<code>
<code> for(int t = p; t <= q; t++) {/<code><code> arr[t] = temp[t];/<code><code> }/<code><code>}/<code>O(1)—常數階：最低的時空複雜度，也就是耗時與輸入數據大小無關，無論輸入數據增大多少倍，耗時/耗空間都不變。哈希算法就是典型的O(1)時間複雜度，無論數據規模多大，都可以在一次計算後找到目標。
<code>index = a;/<code><code>a = b;/<code><code>b = index;/<code><code>//運行一次就可以得到結果/<code>
時間複雜度的優劣對比常見的數量級大小：越小表示算法的執行時間頻度越短，則越優；
<code>O(1)/<code>
閱讀更多 佈道師Peter 的文章
