算法效率：
1、时间效率
时间效率被称为时间复杂度，主要衡量的是一个算法的运行速度
2、空间效率
空间效率被称为空间复杂度，主要衡量的是一个算法所需要的额外空间
在计算机发展的早期，计算机的存储容量很小，所以对空间复杂度很在乎，但是计算机行业的迅速发展，计算机的存储容量已经很大了，所以我们如今已经不需要特别关注一个算法的空间复杂度。
时间复杂度：
程序执行的效率就是时间复杂度和空间复杂度，如果的单纯用时间来衡量，这是不准确的，因为硬件配置可能差异很大，为了排除硬件条件的干扰，单纯从软件上描述程序执行的快慢，引入了时间复杂度。算法中的基本操作执行次数就是算法的时间复杂度。（其实时间复杂度并不精确，只能大概估计程序执行效率的“数量级”）
O(N^2)是时间复杂度的表示形式，计算时间复杂度时，不一定要计算精确的执行次数，只需要大概的执行次数，用大O符号（Big O notation）的渐进表示法。
时间复杂度主要看一个代码中基本操作执行的次数的数量级：
执行次数的数量级越小，就认为当前这样的程序执行速度越快；
执行次数的数量级越大，就认为当前这样的程序执行速度越慢；
N相当于问题的规模；
O(1)常见时间复杂度，不管问题的规模有多大，基本操作次数都是固定的（1指的不一定是执行一次，也可以是多次，只要和问题规模无关，就算常量）
O(N)
O(M+N)通过两个变量来描述问题规模
O(N^2)冒泡排序时间复杂度（背下来！！！）
一般谈到时间复杂度默认指最坏情况下的复杂度。
下是七种排序算法，每一种排序的时间复杂度，代码怎么写（都要牢记！！！）
常见的7种排序算法（1.冒泡排序、2.快速排序、3.插入排序、4.希尔排序、5.快速排序、6.归并排序、7.堆排序）
空间复杂度：
空间复杂度：空间复杂度只去衡量一个算法在运行过程中临时占用存储空间的大小（排除输入数据）空间复杂度不是衡量程序占用了多少bytes的空间，所以空间复杂度算的是变量的个数，从数量级角度来大概衡量程序临时空间占用多少，空间复杂度计算规则基本跟实际复杂度类似，也使用的是大O渐进表示法。
例：计算冒泡排序的空间复杂度：
void bubbleSort(int[] array) {
for(int end=array.length;end>0;end--) {
boolean sorted=true;
for(int i=1;i<end;i++) {
if(array[i-1]>array[i]) {
Swap(array,i-1,i);
sorted=false;
}
}
if(sorted===true) {
break;
}
}
}这个算法使用了常熟个额外存储空间，所以空间复杂度为O(1)