一. 概念
俗话说：程序设计 = 数据结构 + 算法，那对数据结构的理解对程序员来说当然是至关重要的，可到底什么是数据结构呢？
数据结构分为两部分：数据+结构。
数据，概念：是描述客观事物的符号，是计算机中就可以操作的对象，是能被计算机识别，并输入给计算机处理的符号集合（这概念明明都是中文，咋那么难懂）。其实呢，按我的理解，我们日常中用到的，存在mysql中的是数据， 存在redis中的是数据,存在文件中的是数据，甚至我们电脑上的存的声音、图片、视频等都是数据。
结构，概念：简单的理解就是关系，比如分子结构，就是说组成分子的原子之间的排列方式。
数据结构，概念：相互之间存在某种或多种关系的数据元素的组合。这样一想我们平常中用到的数组，队列，集合，栈等其实都是数据结构， 他们存的是数据，并且具有某种关系。。。
二. 分类
数据结构根据视点的不同：分为逻辑结构和物理结构。
逻辑结构：数据对象中数据元素之间的相互关系
分为： 集合结构：集合结构中的数据元素除了同属一个集合外，他们之间没有其他关系，类似于数学中的集合
线性结构：数据元素之间是一对一的关系
树形关系：数据元素之间存在一种一对多的层次关系
图形结构：数据元素之间是多对多的关系
物理结构：也叫存储结构，是指数据的逻辑结构在计算机中的存储形式
分为：顺序存储结构：是把元素存放在地址连续的存储单元里，其数据建的逻辑关系和物理关系是一致的
链式存储结构：把数据元素存放在任意的存储单元里，这组存储单元可以使连续的，也可以是不连续的。因为这组数据的存储关系并不能反映其逻辑关系，因此需要用一个存放数据元素的地址
三.其他概念
数据类型：是指一组性质相同的值的集合及定义在此集合上的一些操作的总称。数据类型是按照值的不同进行划分的，在高级语言中，每个变量、常量和表达式都有各自的取值范围。那为什么当初设计计算机语言的人会考虑到语言类型呢，就比如大家住房子，都希望房子越大越好，但显然，没有钱，考虑房子是没有意义的，于是商品房就出现了各种各样的房型，有别墅，单间，胶囊公寓等来满足不同人的需求。同样Z爱计算机中，内存并不是无限大的，你要计算一个如 1+1=2这样的整型数字的加减乘除运算，显然不需要开辟很大的内存空间，所以就考虑对数据进行分类。
这里插一个概念：计算机人们总说抽象，抽象是什么呢？是指抽取出事物具有的普遍性本质
四.算法概念
上面我们也说了数据结构与算法是相辅相成的， 那什么是算法呢？首先让我们做一道题：写一个求1+2+3+...+100结果的程序，大多数人第一时间想到的可能就是暴力解法
我们用PHP简单的实现它：
$sun=0; $n=100; forreach($i=1;$i<$n;$i++){ $sum +=$i; } echo $num;
这个其实也就算是算法，但是这样写是不是高效的呢，是不是最好的呢，我们看一下另一种算法：利用等差数列
sum = 1 + 2 + 3 + ...+ 99 + 100 sum = 100 + 99 + 98 + ...+ 2 + 1 2*sum = 101 + 101+ 101 +... + 101 + 101 所以sum=101*100/2 = 5050
利用程序实现就是：
$sum=0; $n=100; $sum = ($n+1)*$n/2; echo $sum;
这样我们就看出，算法作重要的就是找出最高效的解决方式去解决问题。
算法的特性：输入、输出：具有零个或多个输入
有穷性 ：在执行有限的步骤之后，自动结束而不会出现无心循环，并且每一个步骤在可接受的时间内完成
确定性：每一个步骤都具有确定的含义，不会出现二义性
可行性 ：每一步都必须是可行的，也就是说，每一步都能够通过执行有限的次数完成
算法时间复杂度：在进行算法分析时，语句总的执行次数T(n)是关于问题规模n 的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间度量，记作：T(n)=O(f(n)).它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，陈祚算法的渐进时间复杂度，简称为时间复杂度，其中f(n)是问题规模你的某个函数。
推导大O阶：1.用常量1取代运行时间中的所有加法常量 2.在修改后的运行次数函数中，只保留最高阶项 3.如果最高阶项存在且不是1，则去除与这个项相乘的常数
常见的时间复杂度（所消耗时间按先从小到大依次是）：O(1)【常数阶】<O(logn)【对数阶】<O(nlogn)【nlogn阶】<O(n^2)【平方阶】<O(n^3)【立方阶】<O(2^n)【指数阶】<O(n!)【阶乘阶】<O(n^n)
算法空间复杂度：通过计算算法所需的存储空间实现，计算公式记作：S(n) = O(f(n)),其中n为问题的规模，f(n)为语句关于n所占存储空间的函数