数据结构与算法基础入门

1. 算法复杂度与优化思路
　　复杂度主要分为时间复杂度和空间复杂度，是评判算法性能好坏的核心标准。时间复杂度衡量代码执行耗时，主要看循环嵌套层数，常用级别从优到劣为O(1)、O(logn)、O(n)、O(nlogn)、O(n²)；空间复杂度衡量算法运行占用的内存空间大小。
　　日常优化思路主要是：减少多余循环、降低嵌套层数、减少重复计算、合理复用变量、按需申请内存，在时间和空间之间做合理取舍，优先保证算法执行效率。
2. 线性数据结构原理、优缺点及适用场景
　　数组：连续内存空间存储，支持下标随机访问，查询速度快；缺点是固定长度、扩容麻烦，插入和删除数据需要移动元素，效率低。适合数据量固定、查询多、增删少的场景。
　　链表：不连续内存，通过指针连接节点，长度动态可扩展，插入删除高效；不支持随机访问，查询需要从头遍历，速度较慢。适合数据频繁增删、动态扩容的场景。
　　栈：遵循后进先出规则，只能在栈顶操作数据。优点是逻辑简单、安全性高；缺点只能单向操作，灵活性差。常用于方法调用、浏览器回退、括号校验、逆向逻辑处理。
　　队列：遵循先进先出规则，从队尾入队、队头出队。适合任务排队、消息队列、请求限流、接口排队处理等有序调度场景。
3. 树形数据结构基础
　　二叉树：每个节点最多只有两个子节点，结构分层存储，主要用于层级数据展示和分层检索。
　　二叉搜索树：在二叉树基础上增加排序规则，左子树节点值小于根节点，右子树节点值大于根节点，能够有效提升查找效率。
　　三种遍历方式：前序遍历（根左右）多用于复制树结构；中序遍历（左根右）可输出有序数据；后序遍历（左右根）多用于删除、释放节点资源。
4. 常见排序算法核心逻辑与适配场景
　　冒泡排序：相邻元素两两比较交换，每轮冒出最大值。逻辑简单、代码易懂，但嵌套循环多，时间复杂度高，适合少量数据排序，数据量大时效率极低。
　　选择排序：每轮遍历选出最小值，与起始位置交换。相比冒泡减少交换次数，但整体效率依然偏低，仅适用于小规模数据。
　　插入排序：默认前段有序，逐个将后续元素插入有序区间。数据接近有序时效率很高，稳定性好，适合基本有序、小规模数据。
　　快速排序：选取基准值，分区递归排序，二分思想缩减排序范围。平均时间复杂度最优，效率最高，是工程最常用排序算法，适合大规模数据排序；缺点是极端场景下性能会退化，且不稳定。
5. 哈希表原理、冲突解决与应用场景
　　哈希表基于哈希函数，将key映射为数组下标，实现高效增删改查，理想情况下时间复杂度为O(1)，查询速度极快。
　　哈希冲突：不同key算出相同下标，导致数据覆盖冲突。常见解决方式为链地址法、开放地址法，日常底层大多采用链表法解决冲突。
　　实际应用场景：常用于缓存存储、键值对存储、接口参数映射、去重场景、用户信息存储、Token映射等，是开发和测试中高频接触的数据结构。
6. 数据结构性能对比与业务选型方案
　　查询优先场景：优先选用数组、哈希表，随机访问速度快，检索效率高。
　　增删频繁场景：优先选用链表，无需移动大量元素，动态扩容灵活。
　　顺序排队场景：选用队列，保证任务先进先出，有序执行。
　　逆向、回溯场景：选用栈，适配后进先出逻辑。
　　分层、有序检索场景：选用二叉搜索树，兼顾有序性和查询效率。
　　快速查找、去重、缓存场景：选用哈希表，读写性能最优。
7. 排序算法适配数据规模总结
　　小规模、数据有序场景：优先插入排序，稳定且高效；

　　小规模、无序数据：冒泡、选择排序均可，代码简单易实现；

　　大规模业务数据：统一使用快速排序，综合性能最优，适配绝大多数业务排序需求。