什么是数据结构？
数据对象在计算机中的 存储和组织方式，但是它存在有两种概念，一种是关于数据对象的逻辑结构，另一种则是数据的物理存储结构
其中，逻辑结构是指对数据的组织方式，例如线性结构，这种结构是连续性的，像1，2，3...；而物理存储结构则是对逻辑结构在计算机中的具体存储方式，是使用数组，还是链表。
数据对象必定与一系列加载其上的操作相关联，完成这些操作所用的方法就是算法
简单的说，就是对数据执行的操作，例如是插入，还是修改或者删除，而完成这些操作的方法就是算法
抽象数据类型
可以通过抽象来描述数据对象及其相关的操作，其中有两个关键词，一个是抽象，一个是数据类型。 什么意思呢？数据类型包含两个东西，一个是数据对象集，也就是具体数据，另一个呢，则是对数据对象相关联的操作集，包含对数据的操作方式。
而抽象的意思则是描述数据类型的方法不依赖于具体实现。也就是描述对数据可以有什么操作，但是不涉及具体如何实现。这样的好处是对程序建立宏观思维，从而可以对程序有更详细的了解。 抽象与存放数据的物理结构、机器、实现操作的算法和编程语言都无关，只是描述数据对象集和相关的操作是什么。
什么是算法？
算法是一个有限指令集，在有限的步骤之后会终止执行，可以接受输入（有些情况不需要接受输入），但是最终至少会产生一个输出。
描述算法的每一条指令必须有充分的目标，目标在计算机能处理的范围之内，并且描述是抽象的，不依赖任何一种计算语言和具体实现手段
两者的关系
简单的说，数据结构与算法相辅相成，数据结构是为了算法服务，算法要作用在特定的数据结构上，因此无法孤立彼此
总结一下：
- 解决问题方法的效率，是跟数据的组织方式直接相关的
- 解决问题方法的效率，跟空间的利用效率有关
- 解决问题的方法的效率，跟算法的巧妙程度有关
为什么要学数据结构和算法？
数据结构和算法是基础的知识，可能在实际工作中用不到
但是，万丈高楼平地起，所有软件都是从基础搭建起来。例如现在的各种开源框架，比较主流的 Laravel，这些框架之所以会成为主流，那是因为揉合了很多的基础数据结构和算法的设计思想，而它的性能往往不用我们去考虑，我们只需要基于它来编写我们的业务即可。
学习任何知识都是为了“用”，是为了解决实际工作问题
所以学习数据结构和算法，除了可以提高技术水平，还有利于提升大脑的逻辑思维，以及评估代码的性能和资源消耗，还能增加解决问题的手段。
掌握数据结构和算法，不管对于阅读框架源代码，还是理解背后的设计思想，都是非常有用的
所以总的来说，有几点：
- 建立时间/空间复杂度的意识，写高性能的代码
- 训练逻辑思维
- 提高代码质量，能够设计基础结构
- 提高编程水平
- 获得更好的工作回报
掌握了数据结构和算法，看待问题看本质，解决问题的角度 360 度无死角，选择更合适的方案
如何学习？
通过上面文字简单的介绍了数据结构和算法是什么，有什么用，可以从中得知数据结构和算法如何更高效存储和处理数据的问题，这是具体的解决方法。因此，还需要一种可以考量效率和资源消耗的方法，那就是：复杂度分析。
学习数据结构和算法的前提条件就是掌握复杂度分析，代码好不好，分析一下就知道，怎么优化，分析一下用什么算法
所以可以归类为：
- 掌握复杂度分析
- 掌握基础的数据机构和算法，再学习复杂
- 基础的数据结构：
数组、链表、栈、队列、散列表、二叉树、堆、跳表、图、Trie 树 - 基础的算法：
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
- 基础的数据结构：
- 多辩证，多思考，多问问为什么
不死记硬背，不为学习而学习，要学习它的“来历” “自身特点” “适合解决的问题” 及 “实际的应用场景”
学习技巧
- 边学边练，适度刷题
- 每周花 “1~2”小时
- 可以“适度”刷题，但一定不要浪费太多时间在刷题上
- 学习的目的还是掌握，然后应用
- 多问、多思考、多互动
- 打怪升级法
- 给自己设立一个切实可行的目标
- 沉淀知识，停下来梳理下知识
- 适当停下脚步，整理下学习内容，梳理清晰，才进入下一步
步入正文
在掌握了复杂度分析这个重要手段之后，就可以进入数据结构和算法的正文中了
诺，有这么多内容：
开始我们的算法之路吧