上一篇blog主要简述了树、二叉树相关的定义和类型。
其中一个很重要、很基础的概念就是节点的度。大家有没有想过，为什么要用“度”作为子节点个数的量化单位呢？按理说，如果是子节点个数，用“子”或者“孩”岂不是更好理解？
那这里要想到，计算机整个体系实际上是一种舶来品，我们需要参照原体系中的定义来进行翻译。所以，我找了一些关于树相关的数据结构的出处，但这个“度”其实就是直白地用degree进行了翻译。
是不是degree有一些什么特殊的含义，能够用来表示近似子嗣的概念呢？于是我去查了degree的英文释义，但没有什么收获，基本的含义都是表示“程度”。
在各种查询之后，发现图论中也有“度”这个概念。但与数据结构中树用“度”来表示子节点个数不同，这里的“度”是用来表示节点所连接边的条数，而在有向图中，还有“入度”与“出度”的概念。仔细想想，如果把树结构，连接各个点的边，都从上到下设置为有向，那么数据结构中的“度”与有向图中的“出度”就是相同的了。所以，查到这里我觉得两者应该是同源的。
那么，图论中为什么用度来定义相关的属性呢？来源自哪里？只能继续Google咯.. 在一篇介绍“有限元分析”中的基本概念时，我看到了一些熟悉的词汇：链接
这里的node，element，degree，boundary都是图论中的重要基础概念。其中对于degree的表述这里用到了degree of freedom。虽然不确定有限元分析与图论的准确关系，但是至少，两者是非常紧密的。
看到这里，我好像有点明白了。节点处与外界相连的边，其实就是这个节点能够到其它节点的可能的路径，边越多，路越多，可能性就越多，说自由度更高也就能理解了。图论中还有专门的主题讨论节点这种自由度的分布问题。这里我就大胆臆测，图论中的“度”，其实就是degree of freedom。
在树这种结构中，接触到度这个概念，还特意地要去强调，度指的是子节点的个数，不包含子节点的子节点在内。但是理解到了自由度这个层面上，也就不会有将子节点的边数计算在内的想法了。
-----------------------------------------------------------------------
关于一些基础的，很重要的概念追根溯源，我个人觉得还是很重要。本身如果你心存疑问，就说明多多少少，这种概念和自己的理解是有冲突的，有了冲突如果不去解决，那么我们会本能地把它排斥、遗忘。如果想要内化这些概念，我觉得只有找到它的根源。
很多人会觉得，这只是文字游戏，我们只需要了解真正技术的原理就好了。我认为这样的观点还是太功利了，如果说要想在计算机这个行业走得远、走得稳、走得快乐，那我觉得只要是自己有疑问的地方，都要积极地去探索，而不单单是那些关键技术。正是这些探索伴随着思考，才能给我们带来真正的收获感，同时让我们对于一些概念、原理掌握地更好，可以说对于一些基础性的知识，我们真的需要这份闲情逸致来慢慢地思考，才能够达到真正的吸收和掌握。如果不去思考一些有趣的问题，单纯背八股又有什么乐趣呢？