什么是数据结构和算法
❝程序=算法+数据结构 ❞
这是一句非常著名的话，凭借这一句话直接获得图灵奖，可想数据结构和算法有多重要。同时，在各个大厂招聘面试时，也会提到数据结构和算法。
❝你知道什么什么数据结构吗 查找、插入等操作的时间复杂度是多少 给出一个问题，问需要用到什么数据结构，时间和空间的复杂度分别是什么，可不可以优化。 ❞
所以一名优秀的程序员，应该了解和使用数据结构和算法。
那么什么是数据结构，算法又是什么呢。
名字解释
我的大学老师这样解释数据结构和算法：
❝数据结构是对「所有数据的元素和元素与元素关系的描述」，算法是「对特定问题求解步骤的描述」。 ❞
「数据」是描述客观事物的数和字符的集合，在计算机的角度，所有能输入到计算机中且能被计算机处理的符号都是数据。
「数据项」是具有独立含义的数据最小单位。
「数据结构」是以某种关系将数据联系在一起，而「算法」是对特定问题求解步骤的一种描述，是指定的有限序列。
在实现算法中需要使用到数据结构来减少步骤，提高效率。
一般来说，判定一个算法的好坏，有两方面的标准，一个是代码运行的时间，另一个是代码运行占用的空间，分别称为「时间复杂度」和「空间复杂度」。
我们一般用O来表示时间复杂度，如下代码：
for( i=1; i<=n; i++) {
j = i;
j++
}
这段代码会从i=1执行到i=n，代码执行了n次。代码的执行次数与n的大小有关，所以用O(n)来表示这段代码的时间复杂度。
常见的时间复杂度由小到大依次为：
- O(1)
- O(logN)
- O(n)
- O(nlogN)
- O(n²)
- O(n³)
- O(2^n^)
在高中学过的数学就可以证明几种函数的增长趋势，当随着n变大，计算机运行时间也要变长，尤其是指数方式增长时，运行时间将漫长无比。在计算机中， 为了降低时间复杂度，有多种方法，一种是「空间换取时间」，如桶排序等；或者是优化算法，降低时间复杂度。
显然，时间复杂度只是一种增长趋势，而不是具体的使用了多少时间，空间复杂度同样不是计算程序具体使用了多少空间，而是「指一个算法在运行中，使用了多少临时空间的一个度量」。
例如，如果在算法中定义了一个变量，那么空间复杂度就是常数级，也就是O(1)。如果定义了一个长度为n的数组，那么空间复杂度就是O(n)。
现在计算机的性能越来越好，空间资源可以说是足够多，所以算法优化主要是对时间复杂度的优化，甚至会用空间换取时间。
所以，知道了什么是数据结构和算法，接下来的文章开始学习数据结构和算法，一起向一名优秀的打工人进步吧。