O 描述的是算法的运行时间和输入数据之间的关系（简单）
但实际的时间是T=c1*n+c2
c1是for存储运算一共需要的时间，这个时间由机器码指令、cpu有关,我们把这样的线性关系抽象为O（n）
第四个显示了我们的时间复杂度计算时低阶的会被忽略
实际上我们的O是渐进时间复杂度，描述的是n趋近于无穷大的情况
我们的数组中的操作分析：
修改操作时只需要访问index位置的数值，只需要O（1）时间，这也是数组的优点，快速的改操作
查操作与我们是否知道index
这样的时间复杂度的分析之下要求我们如果想时间复杂度低，就要使用有语意的index
假设capacity=n,n+1次addLast，触发resize，总共进行2n+1次基本操作，平均每次addLast操作，进行2次基本操作，这样均摊计算时间复杂度是O(1)。
但是我们考虑下面一种操作，假设我们的容量是5，在存储了五个数据之后在存储一个这时调用addlast，扩容capacity变成10，这时时间复杂度O(1)，size是6，然后我们执行1次removelast操作，缩容时间复杂度O（n），这样的情况叫做复杂度的震荡
之所以出现这种情况，是因为removelast缩容的时候太着急，为了解决这种震荡我们提出了Lazy解决办法
我们之前的for循环中是当数组容量是capacity一半时我们进行缩容操作，现在我们修改为当size==capacity/4,才将capacity减半
还要加上约束条件data.length/2!=0