递归的时间复杂度计算较为麻烦。以下我们使用归并排序的例子，对递归复杂度进行推演。
假设现在有一个归并排序。他的运行总时间是 T（n），
我们通过将其分解成 2 个计算式，即 ：2 * （T（n/2））+ n，为什么加 n 呢？因为 n/2 只是递归计算的时间，实际还有合并的时间，在大部分递归中，不但有子任务的时间，还有合并子任务的时间也要计算（在递归计算中，子问题消耗的时间需要统计，合并子问题的结果所消耗的时间也要统计）。
现在，我们的公式是 2 * （T（n/2））+ n，表达的是一颗高度是 1 的递归树：
image.png
如上图，我们需要把这颗递归树的 3 个节点的所有耗时都加上，最终的结果就是 T(N);
再看上图，我们递归了 1 层，如果递归 2 层、3层呢？
2 层
递归 2 层，表达式变为 4 *（T（n/4）)+ 2n.
3 层
递归 3 层，表达式变为 8 * （T（n/8）)+ 3n.
我们总结一下：
递归 2 层：4（T（n/4）)+ 2n
递归 3 层：8（T（n/8）)+ 3n
递归 4 层：16（T（n/16）)+ 4n
······
递归 k 层：2^k （T（n/2^k））+ kn
假设我们最终递归的结果是 1，那么：
T(n/2^k) = 1
·····反推 2^k = n
····· 那么 k = log2n
k 等于log2N，我们带入 k 到上面的公式：2^k （T（n/2^k））+ kn；
即 n + log2n * n；
使用大 O 表达式，去除常数，低阶，系数，递归的时间复杂度为 O(nlogn);
最后
关于递归树的推演，推荐观看一个视频，讲的很详细，地址：https://www.youtube.com/watch?v=bQi9BHCiusg
