一 数据的基本概念
1、数据：所有能输入计算机并被识别的符号
数据元素：数据基本单位，由若干数据项组成（比如数据库里的一条数据）
数据项：最小数据单位（比如数据库里一条数据的每一列就是一个数据项）
数据对象：性质相同的数据的集合
2、计算机处理的计算问题分为两大类：数值计算、非数值计算。
数据结构研究非数值计算，是有特定关系的数据元素的集合。
数据结构四种基本类型：集合、线性、树和网（这俩也叫非线性）
3、数据结构的研究视角：
数据的逻辑结构：从逻辑关系上描述数据，独立于计算机之外
数据的存储结构：逻辑结构在计算机上的物理实现（分为顺序和链式两类）
顺序存储：把逻辑上相邻的元素存储在相邻的数据单元中，用其存储位置来表示其逻辑关系。
链式存储：逻辑上相邻的元素在存储器中不一定相邻。用附加地址表示数据元素之间的逻辑关系。
索引存储结构：在存储结点信息的同时，还建立附加的索引表，存取数据时，都必须依赖索引。
散列存储结构：是根据结点的值确定结点的存储位置。通过某个函数（散列函数）计算出其存储地址。它只存储结点的数值而不存储结点间的关系。
顺序存储结构：数组或指针指向的一片连续空间。
顺序表：线性表中逻辑上邻接的两个数据节点，其存储结点在物理位置上也是相邻的，以这种顺序存储结构实现的线性表，被称为“顺序表”。
线性表：属于同一个数据对象的数据元素的有限序列。线性表中数据元素的个数称为线性表的长度。如：（1，3，5，7，9）是个线性表，数据元素类型为整数，长度为5，其中1是3的直接前驱，5是3的直接后继。基本操作：存取、插入、删除、查找、求表长（求线性表中元素的个数）、表的合并
二叉树，我认为就是为了2分法而存在的，查找快。
哈夫曼树，唯一特点就是每个节点都是最优、唯一。
hash函数，我认为用处就是将数据的hash值与其存储地址对应，查找时不用再比较。
treeset 是二叉树（红黑树）实现的，treeset中的数据是自动排好序的，不允许放入null值，值不能重复。
hashset 是哈希表实现的，hashset中的数据是无序的，可以放入null，值不能重复。
hashset 要求放入的对象，必须实现hashcode方法，放入的对象，是以hashcode码作为标识，而具有相同内容得String对象，hashcode是一样的，所以放入的内容不能重复
适用场景分析：hashset是基于hash算法实现的，其性能通常都优于treeset。为快速查找而设计的set，应该用hashset，在需要排序时，才用treeset。
hashmap：基于哈希表实现，适用时要求添加的键类明确定义了hashcode()和equals()。
treemap：基于红黑树实现。它没有调优选项，因为该树总处于平衡状态。
适用场景分析：hashmap适用于map中插入、删除、定位元素。treemap适用于按自然顺序或自定义顺序遍历键（key）。
刚看数据结构时，还在奇怪这些原理怎么用代码实现，用起来总用代码实现这些原理，岂不是很麻烦？
后来才明白，java自己的集合框架已经帮我们实现了这些，我们根据原理，将其直接应用到不同的场景即可。
二、算法
算法：在数据的逻辑结构上，对数据施加的操作（有检索、插入、删除、更新、排序等）
1、算法：algorithm，解决特定问题的方法，它用特定的程序设计语言来描述，就成了程序。
2、算法语法：
- 预定义常量和类型：True 1 False 0
- 算法的函数描述：赋值语句，选择语句，循环语句，结束语句，输入输出语句
3、算法效率的度量
3.1时间复杂度：将算法中重复执行的次数作为其执行时间的量度。
简单来说就是指算法中某种基本操作执行次数的数量级。通常用T(n)=O(f(n))，其中O表示f(n)的数量级。它表示随着问题的规模n的增大，算法的执行时间的增长率和f(n)的增长率相同，称为算法的渐进时间复杂度，简称时间复杂度。
3.2 空间复杂度：程序运行从开始到结束所需的存储空间。度量记作S(n)=O(f(n))