时间复杂度衡量算法执行时间随输入增长的变化趋势，如O(1)、O(n)、O(n²)、O(log n)，空间复杂度衡量内存占用，两者反映算法效率核心。
理解JavaScript中的时间复杂度和空间复杂度，关键在于分析代码执行所需的时间和内存资源随输入规模增长的变化趋势。这两个概念是算法效率的核心指标，与编程语言本身（如JavaScript）关系不大，但具体实现方式会影响实际表现。
时间复杂度：衡量执行时间的增长趋势
时间复杂度描述的是算法运行时间随着输入数据量增加而变化的规律。它不是指具体执行多少毫秒，而是关注操作次数的数量级。
在JavaScript中，常见的情况包括：
- O(1)：常数时间，比如访问数组下标、对象属性查找（理想情况下）
- O(n)：线性时间，比如遍历数组的for循环
- O(n²)：平方时间，比如嵌套循环处理二维数据或比较每一对元素
- O(log n)：对数时间，比如二分查找（需有序数组）
例如，下面这段代码的时间复杂度是O(n)：
立即学习“Java免费学习笔记（深入）”；
function sumArray(arr) {let total = 0;
for (let i = 0; i total += arr[i];
}
return total;
}
因为循环执行次数与数组长度成正比，所以时间开销线性增长。
空间复杂度：衡量内存占用的增长趋势
空间复杂度关注算法执行过程中额外使用的内存空间，同样以输入规模为基准分析增长情况。
在JavaScript中需要考虑变量、对象、数组、递归调用栈等带来的内存消耗。
例子说明：
- 只使用几个基本变量，如sum、i，空间复杂度通常是O(1)
- 创建一个与输入等长的新数组，空间复杂度就是O(n)
- 递归深度达到n层，调用栈会占用O(n)空间
比如这个函数：
function doubleArray(arr) {const result = [];
for (let i = 0; i result.push(arr[i] * 2);
}
return result;
}
它新建了一个数组保存所有结果，因此空间复杂度是O(n)，与输入数组长度相关。
注意JavaScript特性带来的影响
虽然复杂度理论通用，但JS的一些特性可能影响实际性能：
- 对象属性访问在V8引擎中有优化，通常接近O(1)，但大量动态属性可能导致哈希冲突
- 数组方法如map、filter会创建新数组，增加空间开销
- 闭包会保留对外部变量的引用，可能延长内存生命周期
- 递归容易导致调用栈溢出，尤其在输入较大时
因此写代码时不仅要考虑理论复杂度，也要结合JS运行环境的实际行为。
基本上就这些。掌握复杂度的关键是学会看“增长趋势”，而不是纠结于具体某次运行快慢。写JavaScript时多想想循环层数、是否创建大对象、递归深度等问题，就能写出更高效的代码。
