Performance 对数增长

可能重复：

维基百科上的文章是一个存根。我在stackoverflow上读到的许多答案都澄清了一个进程或函数基于对数函数使用

0

（我假设[见下文]它是一个0[zero]而不是一个O[letter as M，N，O，P，Q]，但如果它是错误的，请纠正我的假设）和

N

或

N

有人能更好地解释与常用计算解释相关的对数解释吗？可能是以秒为单位的时间（毫秒也是受欢迎的，只是试图在现实生活中的时间差异中对其进行概念化…），大小和/或重量

我经常看到以下内容：（请随意加入其他内容）

• O（1）
• O（N）

---

我的假设是，代码块外部的0[zero]没有斜线，而代码块内部的0有斜线，这意味着执行时间（或其他资源）是数据量的函数。假设你用5分钟炸掉10个阳台。如果功能为O（1），则吹扫50个阳台也需要5分钟。如果是O（n），那么炸掉50个阳台需要25分钟

---

O（logn）意味着随着事情的扩大，管理更大的n变得更容易（它遵循逻辑增长）。假设您希望在f（n）项目录中查找地址。假设搜索包含100个条目的目录需要6.64秒。[6.64=log_2（100）]那么搜索200个条目可能只需要7.64秒。这就是逻辑增长。

这意味着执行时间（或其他资源）是数据量的函数。假设你用5分钟炸掉10个阳台。如果功能为O（1），则吹扫50个阳台也需要5分钟。如果是O（n），那么炸掉50个阳台需要25分钟

---

O（logn）意味着随着事情的扩大，管理更大的n变得更容易（它遵循逻辑增长）。假设您希望在f（n）项目录中查找地址。假设搜索包含100个条目的目录需要6.64秒。[6.64=log_2（100）]那么搜索200个条目可能只需要7.64秒。这就是逻辑增长。

您可能希望从本文开始，看您可能希望从本文开始，看