1.数据结构
数据结构 = 数据的存储方式 + 数据之间的逻辑关系。是计算机存储、组织数据的方式，指相互之间存在一种或者多种特定关系的数据元素的集合。
2.算法
算法是解决特定问题的一系列有限、确定、可行的操作步骤。 数据结构和算法是不分家的
ex：
这里超出时间限制其实就是指不满足复杂度的要求。那么这里便引出了另一个概念--复杂度
3.复杂度
算法在编写成可执行程序后，需要耗费时间资源和空间（内存）资源。因此衡量一个算法的好坏，一般是从时间 和空间两个维度来衡量的
时间复杂度 主要衡量⼀个算法的运⾏快慢，⽽空间复杂度主要衡量⼀个算法运⾏所需要的额外空间。
3.1时间复杂度
定义：算法的时间复杂度是一个函数式T(N)，而不是一个具体的数字。时间复杂度是衡量程序的时间效率
程序执行的时间 = 二进制指令运行时间*执行次数
计算程序能代表增长量级的大概执行次数，复杂度的表示通常使用大O的渐进表示法。
3.1.1大O的渐进表示法
1.常数用 1 代替：所有常数项，不管多大都是 O(1)
2.只保留最高次项，低次项全部删掉
3.去掉最高次项前面的系数
tip：
1.有些算法的时间复杂度存在最好、平均和最坏情况，大O的渐进表示法在实际中一般情况关注的是算法的上界，也就是最坏运行情况。
2.书籍中的log n、lg n的表示，当n接近无穷大时，底数的大小对结果影响不大。因此，一般情况下不管底数是多少都可以省略不写，即可以表示为log n
不同书籍的表示方式不同，以上写法差别不大，我们建议使用log n
3.递归算法的时间复杂度 = 单次递归的时间复杂度 * 递归次数
3.2 空间复杂度
空间复杂度也是一个数学表达式，是对一个算法在运行过程中因为算法的需要额外临时开辟的空间。
空间复杂度算的是变量的个数，也使用大O渐进表示法。
tip：
函数运行时所需要的栈空间（存储参数、局部变量、一些寄存器信息等）在编译期间已经确定好了，因此空间复杂度主要通过函数在运行时显示申请的额外空间来确定。