数据结构

数组，链表，树，栈，队列，堆，图，散列表

数组：

内存连续，数组中的元素通过数组下标进行访问，数组下标从0开始。

优点：
索引查询元素速度快。

缺点：
无法扩容 。
只能存储一种类型的数据
插入，删除，要移动其他元素。

链表

链表的存储单元不是连续的，每个节点包括自身的数据还有指向下一个节点的引用，通过引用找到下一个节点。

优点：
不需要初始化容量，可以任意加减元素。

插入或者删除元素只需要节点的指针指向，不用像连续存储空间的数组那样移动后面所有元素。

单链表查找都要从头开始遍历，耗时。

树

每个节点有零个或多个子节点
没有父节点的节点称为根节点

二叉树，
每个结点最多有两颗子树，每个结点最多有两颗子树。
添加，删除元素都很快，在处理大批量的动态数据方面非常有用。
扩展的数据结构，包括平衡二叉树、红黑树、B+树，mysql的数据库索引结构用的就是B+树。HashMap的底层源码中用到了红黑树。

栈

先进后出。

栈常应用于实现递归功能方面的场景，例如斐波那契数列。

队列

先进先出。从一端放入元素，从一端取出元素。

使用场景：因为队列先进先出的特点，在多线程阻塞队列管理中非常适用。

堆

堆总是一棵完全二叉树
堆中某个节点的值总是不大于或不小于其父节点的值，堆顶元素最大或最小。

应用场景：大量的数据需要取出前k个最大，而内存又不够，可以用堆来实现。比如要在庞大的数据中找到前k个最小的元素，先用k个元素建一个大顶堆，然后依次遍历大量数据，和大顶堆的堆顶比较，如果小于堆顶元素，则添加到堆，堆顶元素弹出。遍历完大量数据后，堆就是前k个最小的元素。

散列表(哈希表)

key和value, 通过key的hash值找到value。常见的解决冲突采用数组+链表的形式。
数组中存储key值，链表存储产生冲突的key的value。

先计算key的hash值，hash值对数组长度取余，得到数组下标，若数组下标对应元素不为空，则直接存到数组中，若已经存在元素，则判断是由于hash冲突导致的，还是本身key就是相等的，如果是hash冲突导致的，则添加到链表中，若本身相等，则替换。

图

图是由结点的有穷集合V和边的集合E组成。其中，为了与树形结构加以区别，在图结构中常常将结点称为顶点，边是顶点的有序偶对，若两个顶点之间存在一条边，就表示这两个顶点具有相邻关系。

按照顶点指向的方向可分为无向图和有向图：

图是一种比较复杂的数据结构，在存储数据上有着比较复杂和高效的算法，分别有邻接矩阵 、邻接表、十字链表、邻接多重表、边集数组等存储结构