说起“算法与数据结构”，相信所有的研发同学都知道，也大概能拖拖拉拉的描述几百字来说一下自己的理解，但是你要追问一句话能不能说明白，按我以往经验来看，大部分同学是说不清楚的。这样简单的问题有时候理解不够，其实非常难以回答，让我想起我的老师曾经问过的一个问题：“什么是数学？”。
所谓“算法与数据结构”，其实是两个分离的概念，并不是一个概念或一个名词，“算法”是算法，“数据结构”是数据结构。
算法是基于的数据结构的操作，数据结构是支撑算法的载体。 操作是为了达成目标，载体是为了使操作高效。
感觉有点绕不要紧，我也算是一位很有辅导经验的老程序员了，举个例子就很容易说明白。
比如最简单耳熟能详的一个数据结构“数组”。
这是数据结构吗？ 其实不一定是，因为完全不能确定这个“数组”的数据结构是什么，他是一个序列的概念。这个概念主体产生后，衍生出了主体动作，比如插入、删除、替换、甚至更复杂的链接、交集、并集等等操作。
那“数组”是算法吗？其实也不一定是，因为你不知道该怎么样实现，因为你只知道这样一个目标，我要做一个序列，称之为“数组” 。还不知道该如何实现插入、删除这些操作的“算法”。
所以当我们碰到一个场景99%的随机写操作和1%的随机读操作时，我们会设计一套“算法”和“数据结构”来满足我们的场景需求。根据这个场景需求，我们会设计 “write”算法和“find”算法，并且还有一个潜在的需求是要效率高。 然后就是具体的“算法”设计和“数据结构”设计了。
场景换成99%的随机读操作和1%的随机写 或者 99%的尾端读等等，都会有不同的结果产出。
至此，相信对数据结构和算法这个概念就了解的比较清楚了。 依然是工程师思维，我们要评价我们的设计成果呀，最好是量化评价，所以有了时间复杂度和空间复杂度概念，怎么计算就不展开说了（请google），这里我想说的是绝大部分的同学并不会用“复杂度”这个工具。
这个工具的产生，一个目标是评价算法和数据结构的效率，另外一个非常重要的目标是帮助我们优化我们的设计。比如你设计了一个时间复杂度是O(N^2)的，那你的优化目标是O(n)、O(logn)甚至是O(1)啊，基于这样的目标前辈们也给我们总结了非常多的套路可以尝试呀，比如分治算法、动态规划等等。
另外再提一句，擅长做算法与数据结构设计的同学，根据场景就立刻能判断出效率的极限是什么，比如：你不可能设计一个算法是对N个元素排序，比O(n)还低。
另外一个tips，刷题的目标不是学习算法与数据结构，这俩玩意儿读书也能学会。核心目标一个是加深你对你的学习的理解深度和灵活运用，另外一个是帮助你提高解决问题的效率。如果你有心，你会发现这还是一个对大脑的训练，要限时限错限提交。把大脑训练成“计算机”，你会有不一样的编码体验。
#今日份十分钟#分享希望能帮助到大家。
