数据结构与算法 - 概述

学习目的

学习数据结构和算法的目的

1. 面试中经常考察基础知识数据结构和算法，相比短期能力，面试官更看中长期潜力
2. 实际工作中，除了要会数据库的 CRUD，利用已经封装好的现成接口、类库来堆砌、翻译业务逻辑，还需要知道类库背后的原理，而不懂时间、空间复杂度，也就无法正确使用它们。如在存储某个业务数据的时候，如何知道应该用 ArrayList，还是 LinkedList，调用某个函数后，该如何评估代码的性能和资源的消耗？
3. 掌握数据结构和算法，不管对于阅读源码，还是理解其背后的设计思想，都是非常有用的。如我们常用 Key-Value 数据库 Redis 里面的有序集合使用什么数据结构来实现？为什么要用调表来实现呢？为什么不用二叉树？
4. 建立时间和空间复杂度意识，写出高质量代码，能够设计基础架构，提升编程技能，训练逻辑思维

比如：实时统计业务接口的 99% 响应时间：

在不了解数据结构情况下，可能最先想到的是，每次查询时，从小到大排序所有的响应时间，如果总共有 1200 个数据，那第 1188 个数据就是 99% 的响应时间。每次查询都需要排序，效率非常低。但如果知道“堆”这个数据结构，用两个堆可以非常高效地解决这个问题。

什么是数据结构？什么是算法？

数据结构是指一组数据的存储结构，算法就是操作数据的一组方法。如图书馆书籍分门别类进行存放，按照一定规律编号，就是数据这种“数据”的存储结构。

而如果要找一本书？通常先根据书籍类别的编号，是人文、科学、计算机等来定位书架，然后再一次查找，笼统地说这些查找方法都是算法。

数据结构是为算法服务的，算法要作用在特定的数据结构之上。如因为数组具有随机访问的特定，常用的二分查找算法需要用数组来存储数据，但如果选择链表这种数据结构，二分查找就无法工作，因为链表并不支持随机访问。

学习重点

1. 复杂度分析：数据结构和算法解决的是如何更省、更快的存储和处理数据的问题，而考量效率和资源消耗的方法，就是复杂度分析方法。

2. 需掌握常用的、最基础数据结构与算法

   10 个数据结构：数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树

   10 个算法：递归、排序、二分查找、搜索、哈希算法、贪心算法、分治算法、回溯算法、动态规划、字符串匹配算法