在编程世界中，我们经常面临这样的选择：用哪种算法解决问题更好？当数据量很小的时候，各种算法可能差别不大。但当数据规模达到百万、千万级别时，不同算法的效率差异就会变得天壤之别。这就是时间复杂度概念如此重要的原因。在接触STL时，掌握时间复杂度这个概念有利于提高我们的算法素养。
时间复杂度，我们一般用O(大写字母o)表示。我们常常看到O(n),这里n指的是操作元素的个数，一般有大O表示法有以下四种：
复杂度类型 | 增长特点 | 代码 | 典型场景 |
O(1) 常数时间 | 时间与数据量无关 | arr[0] | 数组索引、哈希查找 |
O(log n) 对数时间 | 数据翻倍，操作+1 | 二分查找 | 二分搜索、平衡树 |
O(n) 线性时间 | 数据翻倍，时间翻倍 | 遍历数组 | 线性搜索、列表遍历 |
O(n²) 平方时间 | 数据翻倍，时间4倍 | 嵌套循环 | 冒泡排序、简单矩阵运算 |
大O表示法关注的是算法随数据规模增长的长期趋势，而非具体执行时间。它会忽略常数因子和低阶项，因此100n和2n都被视为O(n)。这种方法在数据量很大时非常有效，能清晰区分不同算法的 scalability。但需要注意，当处理小规模数据时，常数因子可能起决定性作用，此时理论复杂度最优的算法未必是实际最快的选择。
掌握了这个大O表示法，你就能真正理解为什么STL中有些算法在处理大数据时依然高效，而有些算法则应该避免使用。这是成为优秀程序员的必修课！
C语言网提供由在职研发工程师或ACM蓝桥杯竞赛优秀选手录制的视频教程，并配有习题和答疑，点击了解：
一点编程也不会写的：零基础C语言学练课程
解决困扰你多年的C语言疑难杂症特性的C语言进阶课程
从零到写出一个爬虫的Python编程课程
只会语法写不出代码？手把手带你写100个编程真题的编程百练课程
信息学奥赛或C++选手的 必学C++课程
蓝桥杯ACM、信息学奥赛的必学课程：算法竞赛课入门课程
手把手讲解近五年真题的蓝桥杯辅导课程