数据结构的分类
-
按照结构分线性和非线性的
-
线性结构的例如线性表，链表，数组，栈，队列等
-
非线性的比如树，图，集合，Map等
-
他们的作用：都是为了更好方便存取操作数据，在这里可以把算法和逻辑的执行过程看作Cpu，数据看作内存，数据结构为的是更好更快的让程序与数据交互。
-
例如ArrayList,HashMap，TreeMap，LinkedList，Set，他们在概念上都有相似的接口，可以概括为元素集合的增删改查，移动，赋值。在使用效率上例如数组型结构，有元素下标的概念，存取元素依靠其int 类型的index，内部实现在空间上紧密的，也因此他的查改效率很高，复杂度为O(1),但是增删，移动,复杂度为o(n)，其实按照System.Copy()实现,依然得保证类型相同和空间不灵活的局限
-
链表，他的实现是将每个元素包装成带有同类型引用的Node，这个引用具有指向性，用来链接next，preious，他舍弃了index和Size的概念，元素之间在空间上不必要连续，增删改的效率很高为o(1),查的效率很低，因为舍弃了index，查找只能依赖元素之间的equal，时间复杂度为o(n)，而且实际应用中，想要增删改，首先就得依照元素的id等找到这个元素，除非持有这个元素的引用，那这样整体的外部引用大大增加，会引起内存泄漏等问题。所以链表思想一般和其他数据结构相结合。
-
Map，在这个结构中，引入了Key-Value的概念，即查找用Key，数据存Value，Key作为查找类型不再局限于基本类型，Key-Value更是一种映射的关系，找到Key就找到Value了，找到Value也就找到Key了，Key是唯一的，Value却又可能是重复的,空的。
-
常见的如hashMap,他的核心思想就是优化通过Key元素找到Value元素的效率，让时间复杂度由o(n)降为o(1)，通查元素查找像链表是用元素之间equal来从头到尾依次判断，而数组查找是用index一步到位，那么这中间如果能让元素本身“代表”其在数据结构中的位置，通过Key元素算出index，这样就不用equal操作了，这时又进入了hashCode()方法，具体实现是，将Key内成员变量展开为基本类型，然后对基本类型作算术运算（基本类型可以转换成整型），x31+1，最后得出一个很长的数，这个数可以认为是独一无二的，之后通过高位取模运算(按照hashCode&Size位运算，就是hashCode除以数组的Size)，得到一个小于Size的余数c，c就是Key在数组中的index，这样就实现了通过Key元素得到Key元素位置，这是再将Key-Value打包成Node，存在这个数组中，这个数组的元素类型就是Node，假如没有hashCode冲突，假如没有触发扩容，HashMap其实就是一个依靠元素生成index的数组。
-
HashMap的其他部分：如果发生hashCode冲突，也就是说两个不同的Key的hashCode，按照&Size位运算，得到的index相同，又不能把数组中index位放两个Node，怎么办，那就扩展Node,引入Node.next，将此index内所有hashCode冲突的Node，组合成链表，数组加链表的形式，形成了一个二维的Map，HashMap的作用，在于快速找到同一特征的子链表，如果幸运的话，头结点就是结果。增删改查效率兼备，优秀。
-
二叉树或者说TreeMap：上述的HashMap，链表，数组，他们都不具备自排序的功能，即在增删改移动过程中，保持数据结构的有序性，假如我想顺序输出集合，亦或是我存取的元素，有大小之分，具备顺序性质，假如我用数组顺序输出，保持顺序，还需要内部排序，这样相当于隐形持有了另外一个有序数组，链表若要保持顺序，那增删改的时间复杂度就变成了o(n)，HashMap是由hasCode映射的index，保持顺序，依然和数组一样，内部排序，这些数据结构都不能实现自排序功能。 *二叉树：一个有向性的分支型链表，Node.next被扩展成Node.right,Node.left,这样就可以在增删改过程中，比较node,node.right,node.left,三者的顺序关系，依次递归，生成一颗有序二叉树，同时在元素的查询中，通过其大小和二叉树的特性，将时间复杂度降为olog(n）,增删改时间复杂度依然为o(1),同时保持数据结构有序，非常优秀。
*算法的实现，其实更多依然对数据结构的操作，数组的反转，排序，查找，链表的反转，验证有无环，二叉树的BFS，DFS，反转，HashMap的记录特性，栈，队列为了记录增删改的顺序信息等等。
