记录数据结构与算法的概念、理解、关系，学习重点，学习技巧。
1. 如何理解数据结构、算法的概念
从广义上讲，数据结构就是指一组数据的存储结构。算法就是操作数据的一组方法。
图书馆储藏书籍为例，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。
如何来查找一本书？有很多种办法，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。
从狭义上讲，是指某些著名的数据结构和算法，比如队列、栈、堆、二分查找、动态规划等。这些都是前人智慧的结晶，可以直接拿来用。这些经典数据结构和算法，都是前人从很多实际操作场景中抽象出来的，经过非常多的求证和检验，可以高效地帮助我们解决很多实际的开发问题。
2. 数据结构与算法的关系
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。
数据结构是静态的，它只是组织数据的一种方式。如果不在它的基础上操作、构建算法，孤立存在的数据结构就是没用的。
3. 学习重点
- 首先要掌握一个数据结构与算法中最重要的概念——复杂度分析。
数据结构和算法解决的是如何更省、更快地存储和处理数据的问题，因此，我们就需要一个考量效率和资源消耗的方法，这就是复杂度分析方法。
下图几乎涵盖了所有数据结构和算法书籍中都会讲到的知识点。
- 其中，有20 个最常用的、最基础数据结构与算法，不管是应付面试还是工作需要，只要集中精力逐一攻克这 20 个知识点就足够了。
- 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。
在学习数据结构和算法的过程中，要注意，不要只是死记硬背，不要为了学习而学习，而是要学习它的“来历”“自身的特点”“适合解决的问题”以及“实际的应用场景”。对于每一种数据结构或算法，都要从这几个方面进行思考和理解，这样才能在开发中灵活应用。
4. 学习技巧
- 边学边练，适度刷题
- 多问、多思考、多互动
- 给自己设立一个切实可行的目标
- 知识需要沉淀，不要想试图一下子掌握所有
- 在学习的过程中，一定会碰到“拦路虎”。如果哪个知识点没有怎么学懂，不要着急，这是正常的。因为，想听一遍、看一遍就把所有知识掌握，这肯定是不可能的。学习知识的过程是反复迭代、不断沉淀的过程。
5. 小结
- 数据结构和算法的学习重点
- 复杂度分析
- 10 个数据结构和 10 个算法
- 学习技巧
- 如边学边练、多问、多思考
- 合理目标
- 学会沉淀
当我们要谈一个事物/概念的时候，需要问自己三个终极问题–是什么？为什么？怎么样？
什么是数据结构和算法
数据结构，就是一组数据的存储结构。 算法，就是操作数据的一组方法。 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。
为什么需要数据结构和算法
来谈谈应用层面的原因。在计算机科学和互联网迅猛发展下，需要计算的数据量越来越庞大。但是计算机的计算能力是有限的，这么大量的数据计算，需要越来越多的计算机，需要越来越长的计算时间，注重效率的我们需要尽可能的提高计算效率。其中重要的一项，就是使用合适的数据结构和算法。选用合适的数据结构和算法，特别是在处理体量非常庞大的数据的时候，可以极大提高计算效率。那么，第三个问题来了，我们怎么选用合适的数据结构和算法？有什么衡量标准吗？
怎么样衡量数据结构和算法 需要引入一个衡量的标准(metric)—时间复杂度和空间复杂度。
学习数据结构和算法的基石，就是要学会复杂度分析。知道怎么去分析复杂度，才能作出正确的判断，在特定的场景下选用合适的正确的算法。而不是盲目的死记烂背，机械操作。
其中，要重点学习20个最常用的最基础的数据结构和算法，需要我们逐一攻克。 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。