数据结构和算法简介
对于Java程序员来说（可能是所有编程语言的程序员），算法和数据结构这个东西平时工作中用的的确不多。读书的时候在一家公司实习，那边带我的导师直接跟我说算法不重要，用的不多。这话可能是实话，毕业到现在已经有两年时间了，算法和数据结构的内容的确涉及的很少。但是我觉得数据结构和算法是一个程序员的基本功，是一块能区分程序员水平的知识点，所以想系统地学习下常用的数据结构和算法。
1. 什么是数据结构
数据结构是一门研究数据逻辑结构、存储结构和相关操作（增、删、改和查）的学科。
数据结构可以分为逻辑结构和存储结构，有四类基本逻辑结构：集合、线性结构、树形结构、图状结构
- 集合结构:除了同属于一种类型外，别无其它关系。
- 线性结构:元素之间存在一对一关系。常见类型有: 数组,链表,队列,栈。它们之间在操作上有所区别。例如:链表可在任意位置插入或删除元素,而队列在队尾插入元素,队头删除元素,栈只能在栈顶进行插入,删除操作。
- 树形结构:元素之间存在一对多关系。常见类型有:树(有许多特例:二叉树、平衡二叉树、查找树等)
- 图形结构:元素之间存在多对多关系，图形结构中每个结点的前驱结点数和后续结点多个数可以任意。
存储结构表示数据在计算机中的表现形式，有下面四类存储结构
- 顺序存储结构：顺序存储结构将数据存储在地址连续的存储单元里。
- 链接存储结构：链式存储结构将数据存储在任意的存储单元里，通过保存地址的方式找到相关联的数据元素。
- 索引存储结构；在存储数据的同时，简历数据的索引数据，方便对数据进行查询；
- 散列存储结构：通过散列函数对关键字进行计算算出元素的存储地址；
2. 什么是算法
算法是解决某个问题的步骤。算法应该具有五个基本特征：输入、输出、有穷性、确定性和可行性。
- 输入：一个算法具有零个或者多个输出。以刻画运算对象的初始情况，所谓0个输入是指算法本身定出了初始条件。后面一句话翻译过来就是，如果一个算法本身给出了初始条件，那么可以没有输出；
- 输出：算法至少有一个输出。也就是说，算法一定要有输出。输出的形式可以是打印，也可以使返回一个值或者多个值等。也可以是显示某些提示。
- 有穷性：算法的执行步骤是有限的，算法的执行时间也是有限的。
- 确定性：算法的每个步骤都有确定的含义，不会出现二义性。
- 可行性：算法是可用的，也就是能够解决当前问题。
常见的算法
- 图搜索 （广度优先、深度优先）深度优先特别重要
- 排序
- 动态规划
- 匹配算法和网络流算法
- 正则表达式和字符串匹配
- 三路划分-快速排序
- 合并排序（更具扩展性，复杂度类似快速排序）
- DF/BF 搜索 （要知道使用场景）
- Prim / Kruskal （最小生成树）
- Dijkstra （最短路径算法）
- 选择算法
- 查找算法
数据结构和算法的关系
先打个比喻。
图书馆储藏书籍你肯定见过吧？为了方便查找，图书管理员一般会将书籍分门别类进行“存储”。按照一定规律编号，就是书籍这种“数据”的存储结构。
那我们如何来查找一本书呢？有很多种办法，你当然可以一本一本地找，也可以先根据书籍类别的编号，是人文，还是科学、计算机，来定位书架，然后再依次查找。笼统地说，这些查找方法都是算法。
数据结构和算法是相辅相成的。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。 因此，我们无法孤立数据结构来讲算法，也无法孤立算法来讲数据结构。
比如，因为数组具有随机访问的特点，常用的二分查找算法需要用数组来存储数据。但如果我们选择链表这种数据结构，二分查找算法就无法工作了，因为链表并不支持随机访问。
一句话总结：算法是解决具体问题的步骤，数据结构是算法解决问题的载体。或者，程序=数据结构+算法。
为什么要学习数据结构和算法
在开始说为什么要学习数据结构和算法之前，我们先来说下很多开发者对这块知识点的认识误区：
- 认为学习数据结构和算法需要很扎实的数学和编程功底，学起来并不容易;
- 数据结构和算法在平时开发过程中的应用并不多，而且都有现成的类库接口让我们调用，没必要花太多时间去研究。
但是有上面认知的开发者并不能跟数据结构和算法完全“撇开关系”。其中一个很重要的原因就是很多公司的面试都要考察面试者这块知识点，特别是一些知名的大公司，这块知识点是必问的。
那你有没想过，为什么数据结构和算法使用率这么低，这些大公司还必问呢？这是因为数据结构和算法真的很重要，而且他们的使用率并不低，所有的程序中都有数据结构和算法的身影，他们默默的为程序服务，只是你没重视他们罢了。
下面我就列举下我们要学好数据结构和算法的原因。
- 提升代码性能，节省空间复杂度和时间复杂度;
- 当crud代码写的太多的时候，你会发现编程越来越没意思，数据结构和算法能让你的代码具有思想，能让你觉得你是在设计创造一个系统，提升编程的趣味性;
- 算法锻炼自己的逻辑思维;
- 使用数据结构和算法来解决具体的业务场景难题，肯定超有成就感;（Redis好像能实现很多数据结构，熟练使用）
- 写代码和优化代码时，你会不自觉的有时间和空间概念，也就是说学好这块知识能让你建立时间复杂度和空间复杂度的意识，写出高质量代码。
- 你会不自觉的考虑你写的代码处理的数据量级是多少，会考虑你的代码是否能处理大量数据的情况;（一个好的业务代码工程师在写每行代码时都会考虑到异常处理的场景，学好了数据结构和算法，会让你建立大数据处理的思想）
- 增加自己的编程自信心;
- 数据结构和算法是同计算机组成原理，操作系统，计算机网络和编译原理，数据库原理这些课程一样，数据底层原理课程，虽然软件行业的更新迭代很快，但是这些是基本不变的原理，新的技术往往都基于这些知识，掌握了这些知识，那些所谓的新技术你上手将非常快，这些知识才是性价比极高的知识，不容易过时。计算机发展了这么多年，常见的数据结构和算法没有大的变化，想在计算机技术风云变幻的时代站得住脚，需要站在屹立不倒的基石上，学习万变中不变的那一部分，不容易被淘汰（数据结构和算法是学习性价比很高的知识点）
- 更好的理解应用软件和框架，很多知名软件和框架中都大量用了数据结构算法，比如mysql的索引用了b+树，redis的list底层用了跳跃表，理解这些数据结构能更好的帮助我们理解使用这些软件。
- 一流的程序员搞算法，二流的程序员搞架构，三流的程序员搞业务;
- 有时候解决问题就是在空间和时间中间取舍，以空间换时间，以时候换空间
- 副产品：找工作面试，有的甚至要现场写代码，升职加薪
- 掌握了数据结构与算法，你看待问题的深度，解决问题的角度就会完全不一样。
学习数据结构和算法的路径
- 复杂度分析学习;
- 具体数据结构和算法学习：20个最常用最基础的数据结构和算法;
- 适度刷题。
你并不需要掌握图里面的所有知识点。很多高级的数据结构与算法，比如二分图、最大流等，这些在我们平常的开发中很少会用到。
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。
正确学习数据结构与算法的方法:
- 学习该种数据结构的"来历";
- 学习该种数据结构的"自身的特点";
- 学习该种数据结构的"适合解决的问题";
- 学习该种数据结构的"实际的应用场景";
- 知识需要沉淀，不要想试图一下子掌握所有沉下心不要浮躁，先把这些基础的数据结构和算法，还有学习方法熟练掌握后，再追求更高层次；
- 边学边练，每周花 1~2 小时集中攻关三节课涉及的数据结构和算法，全部写出来;
- 主动提问、多思考、多和团队互动;
- 自我激励，每次学习完做一篇学习笔记。
怎么使用到工作中
我们学任何知识都是为了“用”的，更是为了解决实际工作中的问题。所以我们必须非常熟悉每个数据结构和算法的特点自己他们的使用场景。
怎么加强记忆
- 过段时间进行回顾;
- 适度刷题;
资料
- 《算法导论》
- 《大话数据结构》
- 《剑指offer》
- 《编程之美》
- 《数学之美》
- 公众号：程序员小灰
- 极客时间《数据结构和算法之美》王争
- github/wangzeng0822/algo项目
- leetcode 刷题
- 算法可视化网站
- 算法可视化网站（中文版）
有趣的名词
- crud boy
- 调包侠
- 面向搜索引擎编程
- 面向领导编程
- Ctrl c ctrl v 工程师
- 涂鸦工程师
