O記法（オーダー記法）とは計算にかかる時間とデータ量の関係について表した記法です。

O(n) とかO(log n)ってよく見かけると思います。あれのことです。 

読み方はO(オー)です。0(ゼロ)ではないのでご注意を。（）の中は処理するデータ量です。

記法って何？って思うかもしれませんが、シンプルに、世界共通の表現方法としていてくだい。「このアルゴリズムの計算時間はどれぐらい？」と聞かれた時、他人に説明できる世界共通の基準があると便利ですよね。

O記法は、サンプルプログラムを見た方が早いです。

O(1)

function log(arr) {
 console.log(array[0]);
 console.log(array[1]);
}

log([1, 2, 3, 4]);
log([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]);

O(1)はデータ量がどんなに増えても、常に一回しか処理を行わないことです。例を見ると、配列の要素に直接アクセスしていますよね。データ量が１つだろうが100万だろうが、常にarrayの[0]と[1]番目だけアクセスしています。

一番高速です。

グラフにすると分かりやすいです。データ量が増えても計算量は一定です。

O(n)

function logAll(array) {
 for (let i = 0; i < array.length; i++) {
   console.log(array[i]);
 }
}

logAll([1, 2, 3, 4, 5]);
logAll([1, 2, 3, 4, 5, 6]);
logAll([1, 2, 3, 4, 5, 6, 7]);

次はO(n)です。データ量（n）が増えただけ、計算量も増えます。これは直感的で分かりやすいと思います。

計算量はデータ量に比例します。

グラフを見ると一目瞭然ですね。

O(n^2)

function addAndLog(array) {
 for (let i = 0; i < array.length; i++) {
   for (let j = 0; j < array.length; j++) {
     console.log(array[i] + array[j]);
   }
 }
}
addAndLog(["A", "B", "C"]);　// 9つの組み合わせ
addAndLog(["A", "B", "C", "D"]);　// １６の組み合わせ
addAndLog(["A", "B", "C", "D", "E"]);　// ２５の組み合わせ

次のO(n^2)ですが、「^」ってのは累乗するって意味です。2乗なのでn * nですね。

サンプルプログラムを見てみましょう。配列の文字で、何通りの組み合わせができるか出力するプログラムです。今度はループが２重になってますね。

計算量は　外側ループのarray長さ * 内側ループのarray長さになります。

3 * 3 = 9回の処理はたいしたことないですが、5 * 5 で25に一気に処理回数が増えます。

100 * 100 だったらどうでしょう？グラフを見てもらえばわかると思いますが、これはあまりよろしくないですね。。

計算量は指数関数的に増えていきます。できるだけ避けたいアルゴリズムです。

O(log n)

function binarySearch(array, key) {
 var low = 0;
 var high = array.length - 1;
 var mid;
 var element;

 while (low <= high) {
   mid = Math.floor((low + high) / 2, 10);
   element = array[mid];
   if (element < key) {
     low = mid + 1;
   } else if (element > key) {
     high = mid - 1;
   } else {
     return mid;
   }
 }
 return -1;
}

console.log(binarySearch([1, 2, 3, 4, 5, 6], 3));

最後はO(log n)です。オーのログ nって呼んでください。ズバリこれは、データ量に対して、計算量が常に半分になっていくことです。 

サンプルは二分探索ですが、辞書から単語を探す例の方が、分かりやすいかもしれません。

例えば「HOUSE」って言葉を辞書から探すとしましょう。26文字あっても常に探す範囲は半分になってますね。４回の処理で完了しています。（現実にはこんなことしないですが。。）

ABCDEFGHIJKLMNOPQRSTUVWXYZ 

ABCDEFGHIJKL

GHIJKL

GHI

H

O(log n)はこの辞書をイメージしてもらえれば分かりやすいと思います。二分探索だとデータ量が4000あったとすると、12回の処理で完了します。

メッチャ早いですね。

O(n^2)の対極だと思ってください。

以上、代表的なものを紹介してきました。ほんとは、もっとあるんですけど、とりあえずこれだけ覚えてください。これを意識できるかで、プログラムを見る目が全然違ってきます。最悪O(n)を超えないように、プログラムを書いていけば、まずは大丈夫だと思います。

良いアルゴリズムとは、問題の規模が大きくなっても対応できるということです。

私も初心者のころは、いつもO(n^2)のプログラムを書いて、いざ環境がプロダクションになると、クラッシュさせてました。。

O記法（オーダー記法）の説明が一番わかりやすい本です！

↑の本を読んでみたら、以下２冊もチャレンジしてみてください。どんなプログラムを組むにしろ一回は読んで欲しい名著です。