数据结构与算法总览

这部分不追求把算法题刷成竞赛风格，而是帮助前端工程师建立三个意识：

• 数据应该用什么结构存
• 操作一个结构时大概需要多少成本
• 遇到题目或业务问题时，能不能先选对模型再写代码

📄️字典 Map

- 用来存储唯一值的一种数据结构, 通常以 [键, 值] 对 的形式来存储数据

📄️栈

- 栈是一种线性数据结构，用于存储一组有序的元素。

📄️队列

- 队列是一种线性数据结构，用于存储一组有序的元素。

📄️链表

- 链表是一种非线性数据结构，用于存储一组有序的元素。

📄️树

- 树是一种非线性数据结构，用于存储一组有层次关系的元素。

📄️图

- 图是一种非线性数据结构，用于存储一组有关联关系的元素。

📄️堆

堆（Heap）是一种基于树的数据结构，常用于实现优先队列和排序算法。堆分为最大堆和最小堆两种类型，它们的主要区别在于根节点的值。

推荐阅读顺序

1. Map / Set
2. queue / linkList
3. tree / heap
4. picture

前端里最常见的使用场景

• Array：列表渲染、表格数据、排序与筛选
• Map：按 key 快速查找数据、缓存映射、去重辅助
• Set：唯一值集合、权限集合、标签集合
• Queue：任务队列、请求排队、消息消费
• Linked List：更多用于理解指针变化和链式结构，不常直接在业务里手写
• Tree：菜单、路由、组织架构、评论回复结构
• Heap：Top K、优先级任务、调度类问题
• Graph：依赖关系、节点关系、流程流转

刷题时先想什么

1. 数据是线性的还是层级的
2. 需要频繁查找、插入还是排序
3. 是否需要用额外空间换时间
4. 能不能把题目先翻译成已知结构

学习建议

• 不要先背题解，先看为什么这个结构适合这个问题
• 复杂度至少要有数量级意识，例如 O(1)、O(log n)、O(n)
• 前端更应该关注“结构和场景的对应关系”，而不是极限技巧