时间复杂度和空间复杂度是用来评估算法性能的两个重要指标。
1. **时间复杂度**：
- 时间复杂度描述了算法执行所需的时间量随输入数据规模的增加而增加的趋势。通常用大O符号（O）表示，表示算法的渐近上界。例如，O(n)表示算法的时间复杂度与输入规模n成线性关系，O(n^2)表示算法的时间复杂度与输入规模n的平方成正比。
- 时间复杂度描述了算法在最坏情况下的执行时间，即当输入规模为n时，算法执行的最长时间。
2. **空间复杂度**：
- 空间复杂度描述了算法执行过程中所需的额外内存空间随输入数据规模的增加而增加的趋势。同样用大O符号（O）表示，表示算法的渐近上界。例如，O(n)表示算法的空间复杂度与输入规模n成线性关系，O(n^2)表示算法的空间复杂度与输入规模n的平方成正比。
- 空间复杂度描述了算法在执行过程中所需要的额外内存空间量，包括存储输入数据、临时变量、递归调用栈等。
通常情况下，我们关注的是算法的时间复杂度，因为大多数情况下更关心算法的执行时间。但是，在内存资源有限或者需要优化内存消耗的情况下，也需要考虑算法的空间复杂度。
