Big O

• 알고리즘의 스피드 표현볍은 완료까지의 절차수

1. Big O

• 선형검색의 경우, 자료의 수만큼 절차수가 증가
• Input의 size가 N이면, O(N) 이렇게 표현하는게 Big O
• 시간복잡도를 빠르게 설명가능
• 알고리즘분석을 빠르게 분석할 수 있고, 언제 무엇을 쓸지 빠르게 파악 가능
• Big O는 상수를 크게 신경쓰지 않음.

2. O(1)

const print_array = (arr) => console.log(print(arr[0]));
print_array([1,2,3,4]);

• input의 크기랑 상관없이 1번만(Constant Time) 출력 하기에 O(1)로 포현.
• Graph
  

3. O(N)

const print_array = (arr) => {
	for(let n in arr) {
    	console.log(n);
    }
});
print_array([1,2,3,4]);

• 배열의 요소의 수만큼 스텝이 증가 하기에
• 선형구조의 경우 이러함
  

4. O(N2)

const print_array = (arr) => {
	for(let n in arr) {
    	for(let x in n) {
        	console.log(x);
        }
    }
});
print_array([1,2,3,4]);

• Quadratic Time(2중배열)
• input이 10개면 100번의 스탭이 필요하듯
  

5. O(logN)

• Logarithumic Time(로그 시간)
• 이진검색의 경우
  

참고: 개발자라면 이제는 알아야하는...(노마드코더)