为什么要了解数据结构和算法？

原文于：20190323

为什么要了解数据结构和算法——或者换一个问题：了解数据结构和算法意义是什么呢？

提出这样的问题，真想一板砖拍死对方，这叫什么问题啊！就好像问“吃饭有啥意义？为啥吃饭？不吃饭行吗？”，好吧，我承认算我自我找抽，

自己提出的问题，俗话不是说——自己约的 X，含着泪都要.....

 

如果我说没啥意义或者回答爱了解不了解，关自己何事。我想我也没有必要这么罗里吧嗦的写这篇东西了。

作为读者的您，可能就要扔鸡蛋了~~~。

当然如果真遇到这样的回答——那也没啥，就当不知道呗，多大点事儿。

 

当然提出这样问题的人，大致有这么几种：

* 纯粹好玩

* 满足一下好奇心

* 计算机或者编程从业者

* ...

第一种和第二种人，大概就是单纯的提出一个问题，并不需要深入思考的，可能就是为了问而问，也可能是有一点兴趣，但是也就是兴趣了解而已。

第三种人，大概对计算机知识有一定的了解，这个了解可能不单单是入门也有可能是已经入行很多年，但是突然扪心自问一下，发现自己还真答不上来！比如我。

其实我严重怀疑提出这样的问题，心里到底在想什么呢，这是有多无聊啊。

 

———————————————————————无耻的分割线—————————————————

 

言归正题，闲话少说。

 

先回答开篇的问题，先从其他方面说一下数据结构和算法，然后再回头想一下这个问题，可能你心里就明白了。那么我们就开始。

 

一般来说，去市面上买类似《数据结构和算法》这种书，书上提到的任何算法、数据结构，你都不会有机会重新实现一次。

因为，早有就各种各样的库，对外提供了工业级的、充分泛化的实现，只需拿来用就是了。

 

重写的话，你会面临如下的问题：

1）代码质量、执行速度，显然都极难超过经过千锤百炼的、在无数项目中经过充分测试的库实现；

2）书上都是为了教学而做的简化实现，实际使用中，需要对算法做一定的泛化。比如：

* C 的 qsort 库函数，只要保证数据是以指针数组索引的、对自定义数据须传入比较大小的功能函数，那么任何数据都可以用这个qsort算法排序；

* C++ 里面呢，则是和容器、迭代器之类东西结合和通盘考虑的，可泛用于任何符合规范的容器和原生数据类型。而课本上的实现，仅能支持数组中的整数。

    想做到工业水平，没有足够的经验是不可能的；

* Java 和 C++ 也一样。

等等...

3）所有这些算法、数据结构的设计思路，会贯穿于绝大部分项目之中。

比如说，简单的冒泡算法，它是不是只是“多次扫描一个数组，交换遇到的每一对相邻的、顺序反了的数字；当不再发生交换时，数组已完成排序”，

更甚至于—— “丫的，老子好不容易才死记硬背下来的一段代码”啊！！！

 

如果你只学会了这个，那么，你真就完全白学了。那真是辛苦您、也受累了。

 

作为一个表现一般的排序算法，冒泡排序本身出场率就不高；何况还有各种提供了泛化的 sort 算法的库：如果仅仅记下了这个，说一句比较绝对的话

——那么你一辈子都不会遇到“必须重写冒泡算法”的场合。

 

但，如果你把冒泡算法记成：

就好像水中的气泡一样，每次只执行“相邻的元素比较密度（或其它特征），密度小的上浮，密度大的下沉”这个局部物理过程；多次进行后，局部有序

就会变成（相关特征上的）整体有序。

 

甚至：

模仿各种会导致整体有序现象的局部过程去处理数据，可以使得数据整体上满足类似的排布。

 

甚至：

考察任何自然规律，看它会产生什么有趣的后果——那么当需要达到类似的效果时，不妨尝试用程序模拟出这个规律，很可能就已经得到了想要的效果。

 

那，这一生，可就受用不尽了。

 

比如说，“高大上”的“神经网络”、“遗传算法”、“蚁群算法”等等等等，其实骨子里不都是这个“冒泡思路”吗？（这里我说的是思路，而非实现）

 

类似的，

各种树都是链表的“钩挂”思想 + 数组的“索引”思想的结合体；

“模拟退火算法”又是冒泡思路结出来的另一颗果子；

音频滤波算法就是简谐振动计算公式；

面向对象的“继承”不过是常见的“归一化”手法的另一个表述方式；

面向对象编程中常说的“ 23 种设计模式”也不过是“多态”思想的一种具体表现方式；

 

可以说，如果能像对冒泡算法的真正理解一样，彻底弄明白各种算法的设计思路并加以借鉴，那么你对这个世界的各种规律了解的有多透彻，

你的程序就可以写的有多灵动。

 

一旦掌握这个，从此，你再不必像那些菜鸟一样，绞尽脑汁敲出无数代码去“凑”需求；而是只需用代码编织出需要的规律，然后丢给CPU执行，

你真正想要的东西就会自然“涌现”：现在，你只要找出“结果已经出现”的识别方法，用它来结束你的逻辑就行了。

 

（当然，达成一个目的往往可以有多个不同的途径，不同途径利用不同的规律；那么哪个途径最优呢？算法课教过你：这就是所谓的“算法复杂度”）

 

——冒泡算法可不就是用代码编织了一个“数值大者靠前（或靠后）”的规律，然后丢给CPU一跑，一大片数据就有序了！

 

——遗传算法呢，不正是“抄袭”了自然界的自然选择规律吗？把这个规律丢给CPU一跑，居然连AI都弄出来了！

 

这些只是一些特别经典、特别著名的案例而已。

实际工作中，也是时刻都可能遇到一些新鲜的需求、场景；要完成工作，除了出苦力一行行码代码外，一样可以通过观察找到其中的规律，然后用代码编织规律，

再让这些规律去替你完成需求：后者往往会比前者简洁的多得多，执行速度一般也会快得多得多。

 

这类随时随地“发明”的算法实在不值一提，不能让你像那些著名案例一样一举成名；但它们却实实在在可以提高你的工作效率，让其他人望尘莫及。

 

——经常有高手骄傲的宣称，别人几万、几十万行代码都解决不了的问题，他数百行代码就清楚漂亮的解决了，执行效率还高出许多倍：他们就是这样做到的。

PS：这是一种夸张的描述，无非就是多了解一下一些高手写的代码以及应用场景。比如：JDK 源码、Spring 源码、Netty 源码 等等。

 

然后你就可以节省更多的时间去XXX，咳咳，别想多了，我的意思是接更多的需求，完成工作。升职加薪，走向...。

 

现在再回头看一下起初的问题——为什么要了解数据结构和算法？我想你心里可能就有答案了，虽然没有正面回答这个问题。但是我想表达的已经完成了。

同时我也在不断的学习和摸索中。

PS：我绝对不会说，我就是想让你们多干活，别让我每天都背后催你们今天的进度如何如何了~~~~23333

 

我这里也仅仅是个人的一些想法，不免带有个人的理解和偏见，甚至误区。请您自行斟酌。误入歧途，概不负责。

 

总结：

 

初级篇

    1. 记住都有哪些算法，解决什么问题

    2. 去试图解决实际的问题，自然会碰到之前算法解决的问题，使用这些算法

中级篇

    1. 先完成初级篇

    2. 记住算法的具体解决办法

    3. 实际的问题如果有与标准算法相似但是不完全一样的，仔细分析差别，修改原有算法

高级篇

    1. 先完成中级篇

    2. 分析一下算法的解决办法是如何才能想到，最核心和最精妙的地方在哪儿

    3. 实际的问题如果与标准算法都不太像，仔细想想这个问题的本质，借鉴经典算法精妙之处，自己设计自己要用的算法

骨灰篇

    1. 先完成高级篇

    2. 忘掉所有算法

    3. 解决实际问题

记得给自己烧纸。。。

 

PS：

本文行文仓莽，如有不足之处，还请各位海涵斧正。

 

听说企鹅家又被挖断光纤了~~~~Orz....