數據結構中評價算法的兩個重要指標是空間復雜度、時間復雜度。
空間復雜度(Space Complexity)是對壹個算法在運行過程中臨時占用存儲空間大小的量度，記做S(n)=O(f(n))。比如直接插入排序的時間復雜度是O(n^2)，空間復雜度是O(1)。而壹般的遞歸算法就要有O(n)的空間復雜度了，因為每次遞歸都要存儲返回信息。壹個算法的優劣主要從算法的執行時間和所需要占用的存儲空間兩個方面衡量。
在計算機科學中，時間復雜性，又稱時間復雜度，算法的時間復雜度是壹個函數，它定性描述該算法的運行時間。這是壹個代表算法輸入值的字符串的長度的函數。時間復雜度常用大O符號表述，不包括這個函數的低階項和首項系數。使用這種方式時，時間復雜度可被稱為是漸近的，亦即考察輸入值大小趨近無窮時的情況。
對數時間：
若算法的T(n)=O(logn)，則稱其具有對數時間。由於計算機使用二進制的記數系統，對數常常以2為底（即log2n，有時寫作lgn）。然而，由對數的換底公式，logan和logbn只有壹個常數因子不同，這個因子在大O記法中被丟棄。因此記作O（logn），而不論對數的底是多少，是對數時間算法的標準記法。
常見的具有對數時間的算法有二叉樹的相關操作和二分搜索。對數時間的算法是非常有效的，因為每增加壹個輸入，其所需要的額外計算時間會變小。遞歸地將字符串砍半並且輸出是這個類別函數的壹個簡單例子。它需要O（logn）的時間因為每次輸出之前我們都將字符串砍半。這意味著，如果我們想增加輸出的次數，我們需要將字符串長度加倍。