时间复杂度是一个函数，它定性描述该算法的运行时间，在软件开发中，时间复杂度就是用来方便开发者估算出程序运行时间，通常用算法的操作单元数量来代表程序消耗的时间，这里默认CPU的每个单元运行消耗的时间都是相同的。假设算法的问题规模为n，那么操作单元数量便用函数f(n)来表示，随着数据规模n的增大，算法执行时间的增长率和f(n)的增长率呈现一定的关系，这称作为算法的渐近时间复杂度，简称时间复杂度，记为 O(f(n))，其中n指的是指令集的数目。
大O用来表示算法执行时间的上界，也可以理解为最差情况下运行的时间，数据量和顺序等情况对算法的执行时间有非常大的影响，这里假设的是某个输入数据用该算法运行的时间，比其他数据的运算时间都要长。
插入排序的时间复杂度我们都说是O(n^2) ，但是插入排序的时间复杂度和输入数据有很大的关系，假如输入数据是完全有序的，则插入排序的时间复杂度是O(n)，假如输入的数据是完全倒序的，则时间复杂度是O(n^2)，所以最坏是O(n^2) 的时间复杂度，我们说插入排序的时间复杂度为O(n^2)。
快速排序是O(nlogn)，快速排序的在最差的情况下时间复杂度是O(n^2) ，一般情况下是O(nlogn)，所以严格从大O的定义来讲，快速排序的时间复杂度应该是O(n^2)，但是我们依然说快速排序的时间复杂度是O(nlogn)，这是业内默认的规定。
二分查找的时间复杂度是O(logn)，每次二分数据规模减半，直到数据规模减少为 1，最后相当于求2的多少次方等于n，相当于分割了logn次。
归并排序的时间复杂度是O(nlogn)，自顶而下的归并，从数据规模为n分割到1，时间复杂度是O(logn)，然后不断向上归并的时间复杂度是O(n)，总体时间复杂度是O(nlogn)。
树的遍历复杂度一般是O(n)，n是树的节点个数，选择排序时间复杂度是O(n^2)