符号的含义：
https://blog.csdn.net/qq_39745932/article/details/82747191
Θ等于的意思。
Ο表示上界，小于等于的意思。
ο表示上界，小于的意思。
Ω表示下界，大于等于的意思。
ω表示下界，大于的意思。
O(1),O(n),O(logn),O(nlogn)的区别。
O(1):无论数据多大,一次可以找到目标，空间和时间一样；
O(n):需要查找n次,才能确定目标，空间和时间一样；
O(logn):数据增大n倍时,耗时logn次才能确定目标，空间增大,时间相对减少；
O(nlogn):数据增大n倍时,耗时n x logn倍才能确定目标,空间增大,时间也会加长。
logN的底数
1、如果a(a>0，且a≠1)的b次幂等于N，即a^b=N，那么数b叫做以a为底N的对数，记作：logaN=b,其中a叫做对数的底数，N叫做真数。
2、以10为底的对数叫常用对数，记作log10N，简记为lgN；
3、以无理数e(e=2.718 28…)为底的对数叫做自然对数，记作logeN，简记为lnN。
log不写底数的时候，有默认的底数，物理上常用e，编程语言中Math.log常用e。
一般数学计算中常用10，数学学科里面的规矩，通通都是e，特别是在数论里面，基本上不用ln，都用log。
编程比赛OI中一般都是以2为底，计算时间复杂度的时候一般是默认log2。
在计算时间复杂度的时候，你会发现log的底数并不重要，底数的巨大变化并不会带来结果上的数量级变化。
现在来看看为什么底数具体为多少不重要？
假设有底数为2和3的两个对数函数，如上图。当X取N（数据规模）时，求所对应的时间复杂度得比值，即对数函数对应的y值，用来衡量对数底数对时间复杂度的影响。
比值为log2 N / log3 N，运用换底公式后得：(lnN/ln2) / (lnN/ln3) = ln3 / ln2，ln为自然对数，显然这是个常数，与变量N无关。
用文字表述：算法时间复杂度为log（n）时，不同底数对应的时间复杂度的倍数关系为常数，不会随着底数的不同而不同，因此可以将不同底数的对数函数所代表的时间复杂度，当作是同一类复杂度处理，即抽象成一类问题。
当然这里的底数2和3可以用a和b替代，a，b大于等于2，属于整数。a,b取值是如何确定的呢？
有点编程经验的都知道，分而治之的概念。排序算法中有一个叫做“归并排序”或者“合并排序”的算法，它用到的就是分而治之的思想，而它的时间复杂度就是N*logN，此算法采用的是二分法，所以可以认为对应的对数函数底数为2，也有可能是三分法，底数为3，以此类推。
但是不可能是分数或者负数。
