算法性能的两个重要指标：空间复杂度与时间复杂度
算法的性能可以通过两个关键概念来评估，那就是空间复杂度（Space Complexity）和时间复杂度（Time Complexity）。
时间复杂度：
时间复杂度是用于衡量算法执行时间随输入规模增长而增长的度量标准。它反映了算法所需计算步骤的数量。我们通常用大O符号（O）来表示时间复杂度，例如O(n)、O(n^2)等，其中n代表输入规模的大小。时间复杂度揭示了算法执行时间与输入规模之间的关系，有助于我们预估算法的执行效率和速度。一般而言，时间复杂度较低意味着算法的执行速度更快。
空间复杂度：
空间复杂度则是用来衡量算法所需的额外空间随输入规模增长而增长的度量标准。它反映了算法在执行过程中所占用的存储空间大小。同样，我们也使用大O符号（O）来描述空间复杂度，例如O(n)、O(1)等。空间复杂度揭示了算法所需额外存储空间与输入规模之间的关系，帮助我们预估算法所需的内存资源。通常，空间复杂度较低表示算法所需的额外存储空间较少。
值得注意的是，时间复杂度和空间复杂度是基于算法的抽象分析，它们不受具体计算机环境、编程语言或硬件设备差异的影响。这两个概念用于比较不同算法的效率，帮助程序员选择适合解决问题的算法。