第一章：物理存储模型——连续与离散
绪论：数据结构的物理前提
- 数据结构通常从逻辑关系开始讨论，例如：线性结构、树结构、图结构
- 但无论逻辑关系如何设计，所有数据最终都必须落在 真实存储介质上（内存、磁盘） 。
- 因此，任何数据结构在实现层面都必须回答一个更基础的问题：数据在物理空间中如何排布？
- 在这一层，所有结构最终都可以归结为两种基本模型——连续存储与离散存储。数组与链表只是它们最直接的代表。
一、连续存储：数组
-
定义： 在内存中申请一段 连续地址空间，所有元素大小相同，按照固定顺序排列。
-
机制： 数组的定位依赖地址计算公式：
Address = Base + Index × Size -
查找复杂度：
O(1)地址可以直接计算，不需要遍历路径。
-
特点：
- 访问效率高
- 结构刚性： 连续空间必须保持完整，因此会产生以下成本：
- 容量不足时，需要重新申请更大的连续空间并整体搬迁数据
- 在中间插入或删除元素时，需要移动后续元素
-
总结： 访问效率极高，但修改成本集中。
二、离散存储：链表
-
定义： 节点可以分布在内存任意位置，通过 指针 建立逻辑顺序。
-
机制： 每个节点通常包含两部分：
- 数据
- 指向下一节点的地址
-
查找复杂度：
O(n)访问元素时必须从头节点开始遍历。
-
特点：
-
结构灵活： 插入或删除节点只需要修改指针（已知位置为
O(1)），不需要连续内存 -
访问效率受限
- 每个节点需要额外存储指针，空间利用率较低
- 节点分散，缓存命中率较低
-
-
总结： 结构灵活，局部修改成本低，但访问效率较低。
三、硬件现实的影响：连续性的优势
-
**现实问题：**理论复杂度通常只关注
O(1)与O(n)。 但在真实系统中，性能还受到 硬件结构 的影响。 -
硬件机制（CPU缓存） ：现代 CPU 采用多级缓存（L1/L2/L3） 数据通常以 缓存行 为单位加载，常见大小为 64 字节。
-
性能影响：
- 连续存储的数据通常位于相邻地址，一个缓存行可以同时加载多个元素。
- 顺序访问时，缓存命中率更高。
- 链表节点分散在不同地址。
- 指针跳转往往触发新的缓存加载。 因此在真实系统中，这种差距往往 远大于理论复杂度中的常数差异。
-
工程选择：因此在工程实践中，高性能系统通常优先选择:
- 数组
- 数组改造型结构（如动态数组、块状结构）
纯链表很少作为核心数据结构。
-
结论：在现代硬件环境下，连续性通常比指针灵活性更具性能优势。 许多高性能结构，本质上都是在 扩展能力 与 局部连续性 之间寻找平衡。
本章结论
- 数据结构在物理层面只有两种基本模型：连续存储与离散存储。
- 连续结构访问效率高，但扩展成本集中；离散结构扩展灵活，但访问效率受限。
- 在现代硬件环境下，缓存局部性使连续存储通常具有更高性能。
- 许多高性能结构，本质上是在 连续性与扩展能力之间寻找平衡。
下一问题
- 本章讨论的是：数据如何存放。
- 当数据规模不断扩大时，更关键的问题变成：
如何在大量数据中 快速定位目标元素？
- 为了解决这一问题，需要建立新的 定位结构：索引结构
