排序算法中，常常要求我们估算出最坏情况运行时间和平均情况/期望运行时间。在估算运行时间时，我们常用到下面一些时间量：
| 1 | 大部分程序的大部分指令之执行一次，或者最多几次。如果一个程序的所有指令都具有这样的性质，我们说这个程序的执行时间是常数。 |
| logN | 如果一个程序的运行时间是对数级的，则随着N的增大程序会渐渐慢下来，如果一个程序将一个大的问题分解成一系列更小的问题，每一步都将问题的规 模缩减成几分之一 ，一般就会出现这样的运行时间函数。在我们所关心的范围内，可以认为运行时间小于一个大的常数。对数的基数会影响这个常数，但改变不会太 大：当N=1000时，如果基数是10，logN等于3；如果基数是2，logN约等于10.当N=1 00 000，logN只是前值的两倍。当N时原来的两倍，logN只增长了一个常数因子：仅当从N增长到N平方时，logN才会增长到原来的两倍。 |
| N | 如果程序的运行时间的线性的，很可能是这样的情况：对每个输入的元素都做了少量的处理。当N=1 000 000时，运行时间大概也就是这个数值；当N增长到原来的两倍时，运行时间大概也增长到原来的两倍。如果一个算法必须处理N个输入（或者产生N个输出）， 那么这种情况是最优的。 |
| NlogN | 如果某个算法将问题分解成更小的子问题，独立地解决各个子问题，最后将结果综合起来 （如归并排序，堆排序），运行时间一般就是NlogN。我们找不到一个更好的形容， 就暂且将这样的算法运行时间叫做NlogN。当N=1 000 000时，NlogN大约是20 000 000。当N增长到原来的两倍，运行时间超过原来的两倍，但超过不是太多。 |
| N平方 |
如果一个算法的运行时间是二次的（quadratic），那么它一般只能用于一些规模较小的问题。这样的运行时间通常存在于需要处理每一对输入 数据项的算法（在程序中很可能表现为一个嵌套循环）中，当N=1000时，运行时间是1 000 000；如果N增长到原来的两倍，则运行时间将增长到原来的四倍。 |
| N三次方 | 类似的，如果一个算法需要处理输入数据想的三元组（很可能表现为三重嵌套循环），其运行时间一般就是三次的，只能用于一些规模较小的问题。当N=100时，运行时间就是1 000 000；如果N增长到原来的两倍，运行时间将会增长到原来的八倍。 |
| 2的N次方 | 如果一个算法的运行时间是指数级的（exponential），一般它很难在实践中使用，即使这样的算法通常是对问题的直接求解。当N=20时，运行时间是1 000 000；如果增长到原来的两倍时，运行时间将是原时间的平方！ |
常见排序算法运行时间比较：
| 算法 | 最坏情况运行时间 | 平均情况/期望运行时间 |
| 插入算法 | O(n^2) | O(n^2) |
| 快速排序 | O(n^2) | O(nlogn)【期望】 |
| 归并排序 | O(nlogn) | O(nlogn) |
| 堆排序 | O(nlogn) | O(1) |
| 希尔排序 | O(n^2) | O(n^(3/2)) |
| 桶排序 | O(n^2) | O(n)【平均情况】 |
1KB=2^10=1024
1MB=2^20=2^10*2^10=1024*1024约等于1 000 000(百万)
1GB=2^30=2^10*2^10*2^10=1024*1024*1024约等于1 000 000 000 (十亿)